AI-baserade sökmetoder för mobila robotar, 3 högskolepoäng

AI Search Methods for Mobile Robots, 3 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
Efter avslutad kurs ska studenten ha kunskaper om tre avancerade AI-tillämpningar, nämligen resursschemaläggning, planering för robotar som hanterar föremål, och koordination av flera robotar. Studenten ska förstå de beräkningsmässiga flaskhalsarna hos olika algoritmer, och ha en djupare förståelse av begränsningarna hos moderna metoder.

Färdigheter och förmåga
Efter avslutad kurs ska studenten kunna formulera verkliga problem som sökproblem, och skissa metoder för att lösa dem baserade på heuristiska, urvalsbaserade och begränsande sökalgoritmer. Studenten ska kunna utveckla lösningar för särskilda tillämpningar med industriell relevans, så som schemaläggning, rörelseplanering för robotar och koordinering av autonoma fordonsflottor.

Värderingsförmåga och förhållningssätt
Efter avslutad kurs ska studenten kunna bedöma hur en viss metod för automatiska resonemang lämpar sig för ett givet problem och visa förståelse för möjligheter och begränsningar hos algoritmerna i fråga. Dessutom ska studenten förstå hur problemets struktur förhåller sig till beräkningskostnaderna.

Kursens huvudsakliga innehåll

• Översikt av systematiska och lokala sökmetoder.
• Introduktion till begränsningsresonemang, tillbakagående sökning, k-konsistens.
• Temporala begränsningsresonemang, schemaläggning med begränsningsresonemang.
• Gitter- och stickprovsbaserade algoritmer för rörelseplanering för robotar.
• Moderna metoder för multirobot-rörelseplanering, koordinering och styrning.

Studieformer

Kursen ges i form av föreläsningar och praktiskt projektarbete. Tre föreläsningar kräver fysisk närvaro i Örebro, och resten kommer att ges på distans. Det praktiska projektarbetet handlar om att använda moderna verktyg för schemaläggning, rörelseplanering eller multi-robot-koordinering. Verktygen förklaras av lärarna vid föreläsningarna, och studenten ska välja ett verktyg för sitt projekt.

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

Övningar, 1,5 högskolepoäng (Provkod: A001)
Examination sker genom skriftliga inlämningsuppgifter.

Presentation på seminarium, 1,5 högskolepoäng (Provkod: A002)
Examination sker genom presentation på seminarium.

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).

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

Presentation på seminarium
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

Betyg på hel kurs
För att få betyget Väl Godkänd (VG) på kursen som helhet krävs Väl Godkänd (VG) på båda examinationsmomenten.

Särskild behörighet och andra villkor

180 högskolepoäng varav 15 högskolepoäng programmering samt Engelska 5/Engelska A från gymnasieskolan. Dessutom krävs 18 månaders arbetslivserfarenhet, på heltid.

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

Referenslitteratur

Dechter, Rina (2003)
Constraint Processing The Morgan Kaufmann Series in Artificial Intelligence
Elsevier Science, 480 sidor

LaValle, Steven (2006)
Planning algorithms
Cambridge university press, 831 sidor

Russell, Stuart, Norvig, Peter (2010)
Artificial Intelligence, A modern Approach Prentice Hall
Prentice Hall, 1132 sidor

Ytterligare material (forskningsartiklar) delas ut under kursens gång.