BE3M33ARO – Autonomous robotics, summer semester 2018/2019: For description in English, consult 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.
Přednášející: Václav Hlaváč (VH) a Karel Zimmermann (KZ). VH v několika následujících letech postupně předává přednášení předmětu KZ. Jednu přednášku (13. 5.) bude mít o kráčejících humanoidních robotech host ÚTIA AV ČR prof. Sergej Čelikovský (SČ). Rozložením zkouškových přednášek v čase pobízíme studenta k průběžnému studiu. Na dvou přednáškách budeme psát zkouškovou písemku rozdělenou na dvě části.
č.t. | datum | Obsah | Prezentace |
---|---|---|---|
1 | 18. 2. 2019 VH | Autonomní robotika, přehled kurzu. Geometrie pro kinematiku. Kinematika Studenti si mají před přednáškou občerstvit znalosti z lineární algebry. | Geometry for robotics, Kinematics |
2 | 25. 2. 2019 KZ | Robot s RGB+D senzory. | robot_lidar_camera.pdf lecture_notes_robot_camera_lidar.pdf |
3 | 4. 3. 2019 KZ | SLAM z RGB+D. | mapping_lidar_camera.pdf lecture_notes_slam.pdf |
4 | 11. 3. 2019 VH | Grafy a úlohy na nich. Deterministické plánování. | Graphs and graph algorithms, Deterministic planning |
5 | 18. 3. 2019 KZ | Classification, Regression, ConvNets | learning_for_vision_i.pdf learning_for_vision_ii.pdf |
6 | 25. 3. 2019 KZ | Deep learning: Layers + Learning | learning_for_vision_iii_training.pdf learning_for_vision_iv_layers.pdf |
7 | 1. 4. 2019 KZ | Deep learning: Architectures. + Test 1. | learning_for_vision_v_architectures.pdf |
8 | 8. 4. 2019 VH | Řídicí architektury robotů; reprezentace světa robotu. | Autonomus robots, architectures, Representation for reasoning |
9 | 15. 4. 2019 KZ | Plánování cesty robotů, náhodné metody. | overview_mapping.pdf reinforcement_learning.pdf motion_planning.pdf |
10 | 22. 4. 2019 | Státní svátek. Velikonoční pondělí, bez přednášky | |
11 | 29. 4. 2019 VH | Generování trajektorie robotu. | Generating trajectory |
12 | 6. 5. 2019 VH | Aplikace: Silově poddajný robot. Hmat v robotice. Manipulační úlohy. Chapadla. | Tactile robotics, Force/torque ompliant robot |
13 | 13. 5. 2019 SČ | Aplikace: Chůze humanoidních robotů | Walking robot; Sergej Čelikovský |
14 | 20. 5. 2019 VH | Teoretické a společenské souvislosti robotiky. Test 2. | Společenské souvislosti robotiky |
Průsvitky všech zveřejněných přednášek V. Hlaváče z různých předmětů jsou k dispozici buď anglicky nebo česky, někdy v obou jazycích. Průsvitky v tomto úložišti se obnovují nejčastěji.
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 a Pythonu. 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.
Autor | Prezentace a odkaz na ni |
---|---|
V. Hlaváč | Probability and statistics, rehearsal |
V. Hlaváč | Least squares |
V. Hlaváč | Geometry for robotics |
V. Hlaváč | Feedback, core of cybernetics |
V. Hlaváč | Actuators for robotics |
V. Hlaváč | Sensors for robotics |
V. Hlaváč | Robotic middleware, ROS |
V. Hlaváč | Statiscal decision making, Bayesian formulation |
K. Zimmermann | Visual odometry |
T. Svoboda | RANSAC |
M. Reinštein | State estimate for mobile robotics |
M. Reinštein | MATLAB mars lander |
M. Reinštein | Intro to data fusion |
M. Reinštein | Bayesian extended Kalman filter |
K. Zimmermann | Random planning |
K. Zimmermann | Bayesian decision theory cookbook |
J. Faigl | Planning |
Cvičení: laboratorní cvičení s autonomními roboty TurtlerBot.
Cvičící: Doc. Ing. Karel Zimmermann, Ph.D. (vedoucí cvičení), Mgr. Ondřej Holešovský, Ing. Tomáš Petříček, Ph.D., Ing. V.Šalanský, Mgr. Radoslav Škoviera, Ph.D. Detaily ke cvičením jsou uvedeny v samostatné sekci autonomous robotics labs.
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.
Splnění a odevzdání úlohy ve cvičení podle podmínek cvičení. Napsání všech tří hodnocených testů.
Výkon ve cvičení je hodnocen maximálně 40 body. Zkouška se skládá z písemné a ústní části.
Písemná část zkoušky je ohodnocena nejvýše 30 body. Písemná část je rozdělena do dvou testů psaných na přednášce. Každý z těchto testů je hodnocen nejvýše 15 body. Podrobnosti o testech viz výše. Okruhy pro písemku budou zveřejněny nejpozději jeden týden před testem.
K ústní zkoušce se mohou přihlásit pouze studenti, kteří získali zápočet ze cvičení. U ústní zkoušky lze dosáhnout nejvýše 30 bodů. Při zkoušce si student vylosuje dvě otázky pokrývající látku předmětu, na něž bude po asi desetiminutové přípravě odpovídat. List papíru s přípravou student předloží u ústní zkoušky.
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 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.
Na žádost studenta Bc. Michala Bahníka jsem exkursi s Valeo domluvil na pátek 24. 5. 2019. Sejdeme se v 9:45 venku před jediným vstupem do stanice metra Depo Hostivař. Podrobnosti včetně registračního formuláře jsou na webové stránce.
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, 10. února 2019
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 its world 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.
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 | 18. 2. 2019 VH | Geometry for kinematics/robotics. Kinematics, overview. Linear algebra should be refreshed as a homework. | Geometry for robotics, Kinematics |
2 | 25. 2. 2019 KZ | Robot and RGB+D sensors. | robot_lidar_camera.pdf lecture_notes_robot_camera_lidar.pdf |
3 | 4. 3. 2019 KZ | SLAM from RGB+D sensors. | mapping_lidar_camera.pdf lecture_notes_slam.pdf |
4 | 11. 3. 2019 VH | Graphs and tasks on them. Path planning. Deterministic methods. | Graphs and graph algorithms, Deterministic planning |
5 | 18. 3. 2019 KZ | Classification, Regression, ConvNets | learning_for_vision_i.pdf learning_for_vision_ii.pdf |
6 | 25. 3. 2019 KZ | Deep learning: Layers + Learning | learning_for_vision_iii_training.pdf learning_for_vision_iv_layers.pdf |
7 | 1 .4. 2019 KZ | Deep learning: Architectures. + Test 1 | learning_for_vision_v_architectures.pdf |
8 | 8. 4. 2019 KZ | Robot control architectures. Representation of robot world. | Autonomus robots, architectures, Representation for reasoning |
9 | 15. 4. 2019 KZ | Path planning. Probabilistic methods. | |
10 | 22. 4. 2019 | State holiday. Easter Monday. | |
11 | 29. 4. 2019 VH | Trajectory generation. | Trajectory generation |
12 | 6. 5. 2019 VH | Application: Force compliant robot. Touch in robotics. Manipulation tasks. Grippers. | Tactile robotics, Force/torque compliant robot |
13 | 13. 5. 2019 SČ | Application: Humanoid robot walk | Walking robot; Sergej Čelikovský |
14 | 20. 5. 2019 VH | Societal aspects of robotics. Test 2 | Societal aspects of robotics |
Presentations of V. Hlaváč's lectures for all subjects he teaches are available either in English or in Czech, and sometimes in both languages. The presentations there are refreshed most often.
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 are expected, mainly in MATLAB and Python. 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.
Author | Presentation and the link to it |
---|---|
V. Hlaváč | Probability and statistics, rehearsal |
V. Hlaváč | Least squares |
V. Hlaváč | Geometry for robotics |
V. Hlaváč | Feedback, core of cybernetics |
V. Hlaváč | Actuators for robotics |
V. Hlaváč | Sensors for robotics |
V. Hlaváč | Robotic middleware, ROS |
V. Hlaváč | Statiscal decision making, Bayesian formulation |
K. Zimmermann | Visual odometry |
T. Svoboda | RANSAC |
M. Reinštein | State estimate for mobile robotics |
M. Reinštein | MATLAB mars lander |
M. Reinštein | Intro to data fusion |
M. Reinštein | Bayesian extended Kalman filter |
K. Zimmermann | Random planning |
K. Zimmermann | Bayesian decision theory cookbook |
J. Faigl | Planning |
Instructors: Doc. Ing. Karel Zimmermann, Ph.D. (head), Mgr. Ondřej Holešovský, Ing. Tomáš Petříček, Ph.D., Ing. V.Šalanský, Mgr. Radoslav Škoviera, Ph.D.
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.
Work out and succesfully submitting of the assigment at lab/exercises. Writting two tests.
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.
Two tests are written in two 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 published a week before the test at the latest. Each written test can yield max. 15 points. Areas covered by the written test will be published a week before the test at latest.
The oral test can yield max. 30 points. Only students with the credit (zápočet) are eligible for being examined orally. At the oral exam, the students choose randomly two questions from the set covering the subject. The student will have 10 minutes approximately for her/his preparation. The sheet of paper with the student's preparation will be shown at the exam.
The final assessment 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 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.
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.