Kursplan

Datateknik, avancerad nivå, AI-baserade sökmetoder för mobila robotar, 3 högskolepoäng

Computer Science, Second Cycle, AI Search Methods for Mobile Robots, 3 Credits

Kurskod: DT718A Högskolepoäng: 3
Huvudområde: Datateknik Fördjupning: A1N
Senast ändrad: 2023-09-14    
Utbildningsnivå: Avancerad nivå Beslutad av: Prefekt
Inrättad: 2021-11-30 Litteraturlista fastställd: 2023-09-14
Giltig fr.o.m.: Vårterminen 2024 Revision: 2

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.

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.

Examinationer och betyg

Övningar, 1,5 högskolepoäng (Provkod: A001)
Som betyg används Underkänd (U), Godkänd (G) eller Väl godkänd (VG).

Presentation på seminarium, 1,5 högskolepoäng (Provkod: A002)
Som betyg används Underkänd (U), Godkänd (G) eller Väl godkänd (VG).


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 universitetets föreskrifter om betygssystem för utbildning på grundnivå och avancerad nivå (beslut ORU 2018/00929) ska något av uttrycken underkänd, godkänd eller väl godkänd användas som betyg. För utbildning som ingår i en internationell magister- eller masterutbildning eller i universitetets kursutbud för utbytesstudenter ska betygsskalan A-F användas. Rektor, eller den rektorn 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).

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.

Examinationsformer

  • Övningar (provkod A001): Skriftlig inlämningsuppgift
  • Presentation på seminarium (provkod A002): Muntlig examination

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.

Särskild behörighet och andra villkor

180 högskolepoäng varav 15 högskolepoäng programmering samt Engelska 5/Engelska A.

För ytterligare information se universitetets antagningsordning.

Övriga föreskrifter

Kursen ges på engelska.

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.

Litteratur och övriga lärresurser

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.