B3M33ARO -- Autonomní robotika, letní semestr 2017/2018

  • BE3M33ARO – Autonomous robotics, summer semester 2017/2018: For description in English, see below in the second half of this web page.

Cíl předmětu

Předmět naučí principům umožňující vytvářet/užívat roboty schopné vnímat okolní svět a porozumět mu, plánovat aktivitu robotů s kognitivními schopnostmi v něm včetně možnosti svět aktivně ovlivňovat. Budou vysvětleny různé architektury robotů a jejich technické realizace. Studenti ve cvičeních budou s kognitivními roboty prakticky experimentovat. Studovaná látka má širší použitelnost při návrhu a stavbě inteligentních strojů.

Podrobněji viz Východiska předmětu B3M33ARO Autonomní robotika.

Přednášky: pondělí 10:00-12:15, KN:E-107

Přednášející: Václav Hlaváč (VH) s pomocí Karla Zimmermanna (KZ). Kratší části tří přednášek využijeme pro napsání zkouškové písemky. Rozložením zkouškových přednášek v čase pobízíme studenta k průběžnému studiu.

č.t. datum Obsah Prezentace
1 19. 2. 2018 Robotika, motivace, manipulátor v průmyslu. Kinematika, přehled. Studenti si mají před přednáškou občerstvit znalosti z lineární algebry. Anchoring robots, Kinematics
2 26. 2. 2018 Autonomní robot, architektury Autonomus robots, architectures
3 5. 3. 2018 Robot s kamerou. Geometrie jedné kamery a její kalibrace. Homografie. pinhole.pdf
4 12. 3. 2018 Uvažující robot, moduly/úlohy, konfigurační prostor. Representation for reasoning
5 19. 3. 2018 Hloubka z obrazových a podobných senzorů. Využití hloubkových map. Least-Squares Fitting of Two 3-D Point Sets mapping.pdf
6 26. 3. 2018 Trajektorie manipulátoru/mobilního robotu a její výpočet. Test 1. Trajectory of the manipulator
7 2. 4. 2018 Státní svátek. Velikonoční pondělí, bez přednášky
8 9. 4. 2018 Plánování cesty robotů, deterministické metody. Deterministic planning
9 16. 4. 2018 Plánování cesty robotů, pravděpodobnostní metody. Random planning
10 23. 4. 2018 Současná lokalizace a mapování SLAM Test 2. SLAM
11 30. 4. 2018 KZ Reinforcement learning in robotics, ROS Object detection outline, Reinforcement learning in robotics, Robotic operating system
12 7. 5. 2018 Taktilní zpětná vazba v robotice. Tactile robotics
13 14. 5. 2018 Silově poddajný robot. Manipulační úlohy. Chapadla. Test 3.
14 21. 5. 2018 KZ Humanoidní roboty.

Průsvitky všech zveřejněných přednášek V. Hlaváče z různých předmětů jsou k dispozici buď anglicky nebo česky, někdy v obou jazycích.

Očekávaná předběžná znalost pro přednášku nebo cvičení

U studentů předmětu Autonomnní robotika se očekává schopnost rozumět pojmům a pracovat s nimi, a to z matematické analýzy, lineární algebry, pravděpodobnosti a statistiky. Dále se očekává schopnost programovat v MATLABu. Předmět nemá opakovat znalosti z předmětů, které se vyučovaly v bakalářském studiu Kybernetiky a robotiky. Pokud bychom všechno opakovali, předmět by byl příliš mělký.

Může se stát, že student nestudoval předmět, v němž se probírala očekávaná předběžná znalost pro předmět Autonomní robotika. Potom si student má občerstvit svoji znalost sám.

Nabízíme studentům pomoc pro jejich osvěžování znalosti odkazem na prezentace na přednáškách pro požadovanou znalost. Prezentace jsem připravil buď já (Václav Hlaváč), nebo kolegové Michal Reinštein (dřívější cvičící předmětu), Karel Zimmermann a další kolegové.

Cvičení

Cvičení: laboratorní cvičení s autonomními roboty (roboty z projektů, stavebnice z robotů iRobot Create). Na robotech studenti pořídí data, v samostatné práci vyřeší tři úlohy a na robotech je předvedou.

Cvičící: Doc. Ing. Karel Zimmermann, Ph.D. (vedoucí cvičení), Ing. Vladimír Kubelka, Mgr. Radoslav Škoviera, Ph.D., Ing. Libor Wagner

Detaily ke cvičením jsou uvedeny v samostatné sekci cvičení 2017/2018.

Upozornění: Podle Studijního a zkušebního řádu ČVUT je navštěvování přednášek nepovinné. Pro návštěvu cvičení ovšem požadujeme teoretickou znalost procvičované problematiky (podle programu cvičení), která bude vyučována na předcházejících přednáškách. Když student chce, může si látku před cvičením doplnit z doporučené literatury.

Testy a okruhy očekávaných znalostí

  • Testy se píší na přednášce. Věnuje se jim zhruba půlhodina. Obsahem testu je látka probíraná na přednáškách a předběžná znalost. V každém testu může být příklad na fyzikálnětechnickou úvahu (opírá se o předchozí znalosti získané především před tímto předmětem, i když na přednáškách někdy podobné úvahy v diskusích činíme).
  • Test 1 (26. 3. 2018)
    • Přeurčená soustava lineárních rovnic. Metoda nejmenších čtverců.
    • Reprezentace transformace souřadnic v homogenních souřadnicích.
    • Popis tuhého tělesa ve 3D prostoru. Vyjádření posunu a rotace. Rotační matice. Eulerovy a Cardanovy úhly. Skládání rotací.
    • Otevřený a uzavřený kinematický řetěz. Přímá a inverzní kinamatika pro otevřený kinematický řetěz.
    • Pojem stupně volnosti systému.
    • Typy kinematických dvojic, struktury manipulátorů.
    • Zpětná vazba. Wattův regulátor. Přínos N. Wienera. 4 principy kybernetiky. Technická (též inženýrská) kybernetika, obsah, historie. Význam zpětné vazby při omezování neurčitosti v reálných aplikacích. * Rychlostní a polohový servomechanismus jako příklad zpětné vazby. Příklady, nasazení.
    • Definice robotu. Části robotů. Lokomoce/manipulace v robotice.
    • Automatizace výroby, milníky při zvyšování produktivity práce. Mechanizace, automatizace. Kam patří ve výrobě roboty?
    • Architektury robotů, přemýšlivá (klasická), reaktivní, vrstvená architektura (subsumption architecture). Hybridní architektura. Základní principy a příklady. Výhody a nevýhody.
    • Principy řízení robotů na příkladu aplikací, např. vysavač, svařovací robot, montážní robot, mobilní robot, atd.
    • Reprezentace světa robotů, mřížka obsazenosti, metrická a topologická mapa, abstraktnější reprezentace grafy.
    • Geometrie jedné kamery. Projektivní zobrazení. Vnitřní a vnější kalibrační parametry kamery. Jak se geometrická kalibrace realizuje? Homografie a její využití v robotickém vidění.
    • Hloubková mapa. Její získání a využití.
  • Test 2 (23. 4. 2018)
    • Základy pojmy teorie pravděpodobnosti. Rozdíl mezi teorií pravděpodobnosti a statistikou. Náhodná veličina, nezávislost, podmíněná pravděpodonbost, Bayesův vztah a jeho význam. Distribuční funkce a hustota pravděpodobnosti. Náhodný vektor a jeho popis.
    • Bayesovské riziko v úlohách statistického rozhodování. Klasifikace.
    • Základní úlohy na grafech. Nejkratší cesta. Minimální kostra a další. Jejich použití v robotice.
    • Elektrické pohony, základní typy, vlastnosti. Pneumatické a hydraulické pohony, vlastnosti, vhodnost použití.
    • Senzorů robotů. Taxonomie, základní principy, příklady.
    • Sensory pro odometrii. Princip gyroskopu. Princip GPS. Diferenciální GPS.
    • Trajektorie manipulátoru, její matematické vyjádření z pohledu aproximace. Aproximace polynomy.
    • Plánování v robotice obecně a specifičtěji plánování cesty. Deterministické a pravděpodobnostní algoritmy plánování.
  • Test 3 (14. 5. 2018)
    • Mapa světa robotu, její vytváření, obnovování.
    • Současná lokalizace a mapování (SLAM).
    • Silově poddajný robot
    • Taktilní čidla a zpracování taktilní informace v robotice. Základní úlohy taktilní zpětné vazby. Příklady.
    • Manipulační úlohy v robotice.
    • Robotická chapadla.
    • Humanoidní roboty.
  • Nahradní test (jeden termín v týdnu od 21. 5. 2018). Test je určen studentům, kteří nepsali řádné testy ze závažných důvodů. Náhradní test bude obsahovat látku probíranou během celého předmětu. V den náhradního testu ověříme rozhovorem se studentem důvody, proč nepsal řádný test. Není potřebné se z neúčasti na řádných testech omlouvat. V náhradním termínu lze nahradit jen jeden chybějící test. Zvláštní přístup zvolím jen pro studenty s velmi závažnými důvody, např. nemocnými půl semestru. Tito studenti nechť dají o svých důvodech vědět přednášejícímu s dostatečným předstihem.

Podmínky získání zápočtu

Splnění a odevzdání úlohy ve cvičení podle podmínek cvičení. Napsání všech tří hodnocených testů.

Doporučená literatura

  1. Siciliano, Bruno and Sciavicco, Lorenzo and Villani, Luigi and Oriolo, Giuseppe: Robotics, Modelling, Planning and Control, Springer 2009
  2. Fahimi, F.: Autonomous Robots: Modeling, Path Planning, and Control, Springer 2009
  3. Steven M. LaValle. Planning Algorithms, Cambridge University Press, 2006. (volně na internetu, http://planning.cs.uiuc.edu/)
  4. B. Siciliano, O. Khatib (editoři). Handbook of Robotics, Springer-Verlag, Berlin 2008.
  5. P. Vysoký: Padesát let kybernetiky. Vesmír, svazek 77, listopad 1998, ss. 626-633. Padesát let kybernetiky

Hodnocení studenta v předmětu a hodnocení známkou u zkoušky

Výkon ve cvičení je hodnocen maximálně 40 body.

Zkouška se skládá z písemné a ústní části.

Písemky ke zkoušce se píší ve třech termínech na přednášce. V písemné části student řeší několik příkladů ověřujících znalost z teoretických a matematických nástrojů inteligentní robotiky. Okruhy pro písemku budou zveřejněny na přednášce jeden týden před písemkou. Každá tato písemka je ohodnocena maximálně 10 body. Ze tří písemek lze tedy ke zkoušce získat nejvýše 30 bodů. Předpokládá se, že student získá nejméně 10 bodů z písemky, aby mohl jít k ústní zkoušce. Studenti, kteří kvůli neschopenkou potvrzené nemoci nebo z jiných závažných důvodů předem projednaném s vedoucím cvičení on rozhodne, zda je důvod uznatelný), budou moci psát náhradní písemku v jednom vyhlášeném termínu v zápočtovém týdnu. Náhradní písemka pokrývá látku celého předmětu.

U ústní zkoušky lze dosáhnout nejvýše 30 bodů. Ke zkoušce se mohou přihlásit pouze studenti, kteří získali zápočet ze cvičení. K ústní zkoušce si student přinese vytištěný vědecký článek v angličtině dotýkající se obsahu předmětu. Student si článek sám sám najde a prostuduje. V ústní části se zkoušející zaměří na studentovy hlubší znalosti v oblasti, kterou výběrem článku student sám ovlivnil. Ověřuje se také schopnost zařadit tuto znalost do kontextu předmětu a studentova předchozího studia. Článek má být z nedávné doby (ne starší než pět let), ze špičkového vědeckého časopisu ze sezamu

  • IEEE Transactions on Intelligent Transportation Systems
  • IEEE/ASME Transactions on Mechatronics
  • IEEE Transactions on Robotics
  • Autonomous Robots Journal
  • International Journal of Robotics Research
  • Robotics and Autonomous Systems

K časopisům studenti mají elektronický přístup přes příslušný portál placený ČVUT, viz Ústřední knihovna ČVUT nebo přímo na portál. Student musí znát bibliografické údaje o článku a napsat je na výtisk přinesený ke zkoušce, tj. nemůže jít o jen tak o nějaký z webu stažený text. Nepřípustné jsou články z konferencí. Preferuje se, když student přinese na zkoušku svůj pracovní výtisk článku s poznámkami.

Celkové hodnocení předmětu je podle následující tabulky.

Počet bodů Hodnocení zkoušky
0-49 neprospěl, F
50- 59 dostatečně, E
60-69 uspokojivě, D
70-79 dobře, C
80-89 velmi dobře, B
90-100 výborně, A

Opisování

Opisování považuji za nepřípustné. Bude-li student při písemce přistižen při opisování, bude z písemky hodnocen nula body bez možnosti psát písemku znovu. U odevzdaných úloh je opisování kontrolováno a srovnáváno s pracemi jiných. Opisování bude v předmětu trestáno. Dále bude studijní oddělení FEL ČVUT požádáno, aby opisování zaznamenalo do studijní dokumentace studenta.

Přání studentům

Přeji studentům, ať se jim látka Autonomní robotiky líbí a dobře studuje. Těším se na zpětnou vazbu a podněty k vylepšení. Mluvte se mnou buď po přednášce nebo mi pošlete email.

V. Hlaváč, 16. února 2018

B3M33ARO -- Autonomous robotics, summer semester 2017/2018

The subject aims

The subject will teach students the principles needed to create/use robots able to perceive the surrounding world and understand it, plan the activity of robots with in it including the possibility to modify it. Architectures of robots with cognitive abilities will be explained and their implementations demonstrated. Students will experiment in labs/exercises with robots. The studied matter has a wider applicability in designing and building of intelligent machines.

Lectures: Monday 10:00-12:15, KN:E-107

Lecturer: Václav Hlaváč (VH, default) with the occasional help of Karel Zimmermann (KZ).

The shorter part of three lectures (about 35 minutes) is dedicated to writing the exam written test in three parts. We motivate the student to study continuously by decomposing the written test.

Week Date Studied topics Presentations
1 19. 2. 2018 Robotics, motivation, manipulator in industry. Kinematics, overview. Linear algebra should be refreshed as a homework. Anchoring robots Kinematics
2 26. 2. 2018 Autonomous robots, architectures. Autonomus robots, architectures
3 5. 3. 2018 Robot with a camera. Geometry of one camera. Camera calibration. Homography. pinhole.pdf
4 12. 3. 2018 Deliberating robot, modules/tasks, configuration space Representation for reasoning
5 19. 3. 2018 Depth from image and similar sensors. Use of depth maps. Least-Squares Fitting of Two 3-D Point Sets mapping.pdf
6 26. 3. 2018 Trajectory of a manipulator/mobile robot and its calculation. Test 1. Trajectory generation
7 2 .4. 2018 State holiday. Easter Monday.
8 9. 4. 2018 Path planning. Deterministic methods. Deterministic planning
9 16. 4. 2018 Path planning. Probabilistic methods. Random planning
10 23. 4. 2018 Simultaneous localization and mapping. Test 2. SLAM
11 30. 4. 2018 KZ Reinforcement learning in robotics, ROS Object detection outline, Reinforcement learning in robotics, Robotic operating system
12 7. 5. 2018 Tactile feedback in robotics. Tactile robotics
13 14. 5. 2018 Force compliant robot. Manipulation tasks. Grippers. Test 3.
13 22. 5. 2018 KZ Humanoid robots.

Presentations of V. Hlaváč's lectures are available either in English or in Czech, and sometimes in both languages.

Expected previous knowledge or hints for the subject or its labs

It is assumed that students of this course have a working knowledge of mathematical analysis, linear algebra, probability theory and statistics. In addition, basic programming skills, mainly in Matlab, are expected. This master subject should not repeat the knowledge, which was taught in the Cybernetics and Robotics study branch in bachelor studies. The subject would be too shallow otherwise.

It could happen that some students did not study the topics, which are considered a prerequisite of the subject Autonomous robotics. They have to study or refresh their knowledge on their own. Some other knowledge/skills might be useful in the subject labs.

I offer students the aid to refresh their knowledge by providing them presentations related to the topic. Most presentations were prepared by me (Václav Hlaváč), Michal Reinštein (the past instructor of the course), Karel Zimmermann and other colleagues.

Labs and exercises

Instructors: Doc. Ing. Karel Zimmermann, Ph.D. (head), Ing. Vladimír Kubelka, Mgr. Radoslav Škoviera, Ph.D., Ing. Libor Wagner.

The details are given in a separate section labs.

Reminder: Visiting lectures is facultative according to the Study and Exam Order of the CTU. However, it is required at the labs/exercises that student knows the matter explicated at lectures. The student may, refresh the matter from the recommended literature too.

Tests and areas of expected foreknowledge

  • Three tests will be written at the lecture. The test will last for about 30 minutes. The matter explicated at lectures and expected foreknowledge will be tested. A question testing the ability to solve physical/technological task may be part of the test.
  • Test 1 (March 26, 2018)
    • Coordinates transformations in homogeneous coordinates.
    • Overdetermined system of linear equations. Least squares method.
    • Fundamentals of probability. Difference between probability theory and statistics. Random variable, statistical independence, conditional probability. Bayes formula and its use. Distribution function, probability density function. Random vector and its characterization.
    • Bayesian risk in decision making. Classification.
    • Concept of degrees of freedom (in mechanical system).
    • Types of kinematic pairs. Structures of manipulators.
    • Coordinates transformation.
    • Direct and inverse kinematic task.
    • Representation of a body in 3D space. Expressing translation and rotation. Rotation matrix. Euler and Cardan angles. Composing rotations.
    • Open and closed kinematic chain. Direct and inverse kinematics for open kinematics chains.
    • Feedback. Watt governor. Four principles of cybernetics. Engineering cybernetics. Influence of the feedback on uncertainty reduction in real applications. Personalities in cybernetics.
    • Servomechanism (revolutions, position) as the example of the feedback. Examples, use.
    • Robot definitions. Parts of robots. Locomotion/manipulation in robotics.
    • Automation of the factory production. Milestones in the increase of labor productivity. Where do robot fit in production?
    • Robot architectures, deliberative, reactive, subsumption architecture and hybrid one. Hybrid architecture (basic explanation expected).
    • Robot control principles. Robot control as examples, e.g. examples coverign vacuum cleaner, welding robot, robot in assembly.
    • Representation of the robot world, occupancy grid, metric and topological map, more abstract representation by graph.
    • Geometry of a single camera. Projective mapping. Outer and inner camera calibration parameters. How is geometric calibration performed? Homography and its use in computer vision.
    • Depth map, acquisition, use.
  • Test 2 (April 23, 2018)
    • Probability theory, basic concepts. The difference between probability and statistics. Random variable, independence, conditional probability, Bayes formula and its significance. Distribution function, probability density. Random vector and its description.
    • Bayesian risk in statistical decision making tasks. Classification.
    • Main tasks on graphs. Shortest path. Mininum spanning tree. There use in robotics.
    • Electric drives, taxonomy, properties, use. Hydraulic, pneumatic drives, their principle, properties and use.
    • Robot sensors. Taxonomy. Basic principles, examples.
    • Sensors for odometry. Gyroscope and its principle, mechanical, optical. GPS, differential GPS.
    • Manipulator trajectory. Its mathematical expression from the approximation point of view. Approximation by polynomials.
    • Planning in robotics. Deterministic and probabilistic planning methods.
    • Robot path planning.
  • Test 3 (May 14, 2018)
    • Robot world representation. Occupancy grid. Metric and topological map. How is it created and updated? A more abstract graph representation.
    • Simultaneous localization and planning (SLAM).
    • A force compliant robot.
    • Tactile sensors. Information processing in robotics. Tactile feedback in robotics. Examples.
    • Robotic grippers.
    • Humanoid robots.
  • Replacement test (one day in the week starting from May 21, 2018). Test is intended for students, who could not write the regular tests for serious reasons. The replacement test will cover topics taught in the whole semester. I will ask the student at the spot why she/he did not write the regular test. The replacement test can substitute only one missing test.
  • Student is not expected to apologize if she/he will not come for the test. She/he will just not get the points with the exception of points obtained from one replacement test. The special cases, like long term serious illness of the student during the semester, the student should contact the lecturer Václav Hlaváč.

Conditions for obtaining the credit from the subject

Work out and succesfully submitting of the assigment at lab/exercises. Writting three tests.

  1. Steven M. LaValle. Planning Algorithms, Cambridge University Press, 2006. (volně na internetu, http://planning.cs.uiuc.edu/)
  2. R. Pfeifer, C. Scheie. Understanding Intelligence, MIT Press, 2002.
  3. B. Siciliano, O. Khatib (editoři). Handbook of Robotics, Springer-Verlag, Berlin 2008.

Assesment of the student at the exam, marks

The English translation is pending.

Student's performance in labs can bring 40 points maximally.

The exam consists of the written and the oral part.

Three tests arew written in three distinct dates on the lecture. Students knowledge from theory is tested. There could be examples (to be calculated) in the test too. The scope of the test will be publishe a week before the test at latest. Each written test can yield max. 10 points. It is required that the student has to gain 10 points at least from written test to be eligible to come to the oral exam. Students who cannot attend the test due to illness (verified by the sick certificate) or for other significant reason explained in advanced to the head of exercises (he will decide if the reason is acceptable), will be asked to write the replacemet written test in the single assigned date in the last week of the semester. The replacement test will cover the material of the whole subjec.

The oral test can yield max. 30 points. Only students with the credit (zápočet) are eligible for being examined orally. The student will bring a printed scientific paper in English tackling the subject domain, which he will study in advance. The purpose of oral exam is also to verify student's deeper knowledge in the domain chosen by the student. It is also verified that the student is able to put his knowledge into the context of student's previous study. The paper should not be older than 5 years. It should be from journals as listed below

  • IEEE Transactions on Intelligent Transportation Systems
  • IEEE/ASME Transactions on Mechatronics
  • IEEE Transactions on Robotics
  • Autonomous Robots Journal
  • International Journal of Robotics Research
  • Robotics and Autonomous Systems

Students have access to electronic resources through the appropriate portal paid by ČVUT. Students have to know bibligraphic record matching to the paper. Conference papers are not eligible. It is prefered if the students brings her/his printed working copy with notes.

Final assesment of the subject

No of points Exam assessment
0-49 F
50- 59 E
60-69 D
70-79 C
80-89 B
90-100 A

Plagiarism

Plagiarism is unacceptable in the subject. If a student is caught copying from a colleague at a written test, she/he will be marked with zero points without the possibility to write this particular test again. The results from lab/exercises are compared with results of others. Plagiarism will be punished. The unit responsible for student affairs will be asked to mention the plagiarism attempt to the study documentation of a particular student.

A wish to students

I wish the subject students the enjoyment from Automous robotics. I also wish their study run smoothly. I look forward to your feedback. Talk to me after the lecture in person or write me an email.

courses/bxaro/start.txt · Last modified: 2018/02/17 03:01 by hlavac