Datateknik, avancerad nivå, Probabilistisk robotik, 7,5 högskolepoäng

Computer Science, Probabilistic Robotics, Second Cycle, 7,5 Credits

Mål

Mål för utbildning på avancerad nivå

Utbildning på avancerad nivå ska innebära fördjupning av kunskaper, färdigheter och förmågor i förhållande till utbildning på grundnivå och ska, utöver vad som gäller för utbildning på grundnivå,

• ytterligare utveckla studenternas förmåga att självständigt integrera och använda kunskaper,
• utveckla studenternas förmåga att hantera komplexa företeelser, frågeställningar och situationer, och
• utveckla studenternas förutsättningar för yrkesverksamhet som ställer stora krav på självständighet eller för forsknings- och utvecklingsarbete.

(1 kap. 9 § högskolelagen)

Kursens mål

Kunskap och förståelse
Den studerande skall efter avslutad kurs kunna

• välja och motivera probabilistiska metoder för komplexa problem inom lokalisering och kartering för robotar,
• välja och motivera adekvata rörelse- och sensormodeller inklusive deras parametrar, och
• diskuera beteende och prestanda för dessa algoritmner, baserat på deras teoretiska grunder.

Färdighet och förmåga
Den studerande skall efter avslutad kurs kunna

• utveckla programvara som använder probabilistiska tekniker för robotiktillämpningar, och
• bedöma prestanda för den utvecklade programvaran.

Värderingsförmåga och förhållningssätt
Den studerande skall efter avslutad kurs kunna jämföra och kritiskt bedöma fördelarna och begränsningarna av probabilistiska metoder inom robotik.

Kursens huvudsakliga innehåll

Kursens innehåll är uppdelat i teoretiska och praktiska ämnen.

Teoretiska ämnen

• Mathematisk statistik: Bayes sats, sannolikhetsfördelningar, generativa och diskriminativa modeller,
• Kalmanfilter,
• Bayes-filter,
• data-association,
• partikelfilter och Monte Carlo-optimering,
• sensormodeller och rörelsemodeller,
• minsta-kvadrat-skattning,
• probabilistiska lokaliseringsmetoder,
• SLAM (simultan lokalisering och kartering), och
• probabilistiska grafer.

Praktiska ämnen

• Praktisk implementering av probabilistiska algoritmner,
• utveckling av robust programvara för att hantera oprecisa sensorvärden, och
• empirisk och teoretisk bedömning av de implementerade algoritmerna.

Studieformer

Föreläsningar, självständig läsning, grupparbete med handledning.
Vid ett litet antal studenter kan föreläsningarna ersättas med individuell handledning.

Den som antagits till och registrerats på en kurs har rätt att erhålla undervisning och/eller handledning under den tid som angavs för kurstillfället som den sökande blivit antagen till (se universitetets antagningsordning). Därefter upphör rätten till undervisning och/eller handledning.

Examinationsformer

Teori, 3 högskolepoäng (Provkod: A001)
Salstentamen. Vid ett litet antal studenter kan den skriftliga tentamen ersättas med muntlig tentamen.

Praktik, 4,5 högskolepoäng (Provkod: A002)
Demonstration av resultat från grupprojekt samt skriftlig och muntlig redovisning.

För studenter med dokumenterad funktionsnedsättning kan universitetet besluta om anpassning av examination eller annan examinationsform.

För ytterligare information se universitetets regler för examination inom utbildning på grundnivå och avancerad nivå.

Betyg

Enligt 6 kap. 18 § högskoleförordningen ska betyg sättas på en genomgången kurs om inte universitetet föreskriver något annat. Universitetet får föreskriva vilket betygssystem som ska användas. Betyget ska beslutas av en av universitetet särskilt utsedd lärare (examinator).

Enligt föreskrifter om betygssystem för utbildning på grundnivå och avancerad nivå (rektors beslut 2019-01-15, ORU 2019/00107) ska som betyg användas något av uttrycken underkänd, godkänd eller väl godkänd. Rektor eller den rektor bestämmer får besluta om undantag från denna bestämmelse för en viss kurs om det finns särskilda skäl.

Som betyg på kursen används Underkänd (U), Godkänd (G) eller Väl godkänd (VG).

Teori
Som betyg används Underkänd (U), Godkänd (G) eller Väl godkänd (VG).

Praktik
Som betyg används Underkänd (U), Godkänd (G) eller Väl godkänd (VG).

För ytterligare information se universitetets regler för examination inom utbildning på grundnivå och avancerad nivå.

Kommentar till betyg

Som betyg på kursen ges det lägre av de två delbetygen.

Särskild behörighet och andra villkor

Examen på grundnivå om 180 högskolepoäng, med datavetenskap/datateknik som huvudområde och 15 högskolepoäng i matematik (analys och algebra). Alternativt examen på grundnivå om 180 högskolepoäng, varav 30 högskolepoäng i matematik (analys och algebra) samt 15 högskolepoäng i datateknik/datavetenskap (som innehåller programmering). Dessutom krävs Engelska 6/Engelska B.

För ytterligare information se universitetets antagningsordning.

Tillgodoräknande av tidigare utbildning

Student som tidigare genomgått utbildning eller fullgjort annan verksamhet ska enligt högskoleförordningen tillgodoräknas detta som en del av den aktuella utbildningen under förutsättning att den tidigare utbildningen eller verksamheten uppfyller vissa krav.

För ytterligare information se universitetets lokala regler för tillgodoräknanden.

Övriga föreskrifter

Kursen ges på engelska.

Kurslitteratur och övriga läromedel