Rozvrh Posluchači Odevzdávací systém Diskusní fórum

A3M33IRO -- Inteligentní robotika, léto 2015/2016

Cíl předmětu

Předmět naučí principům umožňující vytvářet/užívat roboty schopné vnímat okolní svět a porozumět mu, plánovat aktivitu robotů v něm včetně možnosti svět aktivně ovlivňovat. Budou vysvětleny různé architektury robotů s kognitivními schopnostmi 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 A3M33IRO Inteligentní robotika.

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

Přednášející: Václav Hlaváč (VH) s pomocí Karla Zimmermanna (KZ).

Přednáška bude mít typicky dvě části. V jedné typicky delší části (asi 90 minut), bude obvyklá přednáška. Ve druhé kratší části (v programu přednášek je uváděna proloženě) připomeneme partie, které by většina studentů měla již znát a jsou potřebná jak v přednáškách a především cvičeních. 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 22.2. Robotika, motivace. Studenti si mají před přednáškou občerstvit znalosti z lineární algebry. Int. robotics - anchoring, Lin. algebra, prerekvizita
2 29.2. Vektorová algebra 3D těles. Geometrie kamery, jejich kalibrace, homografie, Dvě kamery. Řešení soustav přeurčených lineárních rovnic. Nejmenší čtverce. Geometry for robotics, Least squares, Geometry of a single camera
3 7.3. Pravděpodobnostní aparát (Bayes, MLE, MAP). Statistické rozpoznávání. Probability, rehearsal, Statistical pattern recognition, overview
4 14.3. Zpětná vazba. Test 1. Feedback in Cybernetics
5 21.3. Kinematika (robotů). Kinematika
6 28.3. Svátek - Velikonoční pondělí.
7 4.4. Roboty a jejich architektury. Pohony a akční členy. Robot control architectures, Actuators for robots
8 11.4. (KZ) Trajektorie manipulátoru/mobilního robotu. Senzory. Introduction to motion control, Robot trajectory generation, Sensors for robots
9 18.4. Reprezentace světa robotu. Test 2. Robot world representation
10 25.4. Plánování cesty robotů. Připomenutí řešení úloh z UI. Planning in robotics, Motion planning methods Search methods, a reminder
11 2.5. Plánování robotů, pravděp. přístup. Robotický middleware (ROS). Randomized robot planning, Robotic middleware
12 9.5. SLAM SLAM, M. Reinštein: Kalman Filter
13 16.5. K. Zimmermann. Epipolární geometrie a její použití pro hloubkové senzory. Test 3.
14 23.5. Taktilní zpětná vazba v robotice. Manipulační úlohy. Chapadla.

Průsvitky přednášek V. Hlaváče jsou k dispozici buď anglicky nebo česky, někdy v obou jazycích.

Rezerva pro přednášky

Cvičení

Cvičící: Ing. Karel Zimmermann, Ph.D. (vedoucí cvičení), Ing. Vladimír Kubelka, Mgr. Martin Pecka, Ing. Libor Wagner.

Detaily ke cvičením jsou uvedeny v samostatné sekci cvičení.

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

  • Testy se píší na přednášce. Věnuje se jim zhruba půlhodina. Obsahem testu je látka probíraná na přednáškách, např.
  • Test 1 (14. 3. 2016, okruhy zafixovány 7. 3. 2016)
    • Definice robotu. Části robotů. Lokomoce/manipulace v robotice.
    • Automatizace výroby, milníky při zvyšování produktivity práce. Kam patří ve výrobě roboty?
    • Popis tuhého tělesa ve 3D prostoru. Vyjádření posunu a rotace. Rotační matice. Eulerovy a Cardanovy úhly. Skládání rotací.
    • Reprezentace transformace souřadnic v homogenních souřadnicích.
    • Přeurčená soustava lineárních rovnic. Metoda nejmenších čtverců.
    • Geometrie jedné kamery. Projektivní zobrazení. Vnitřní a vnější kalibrační parametry kamery. Jak se geometrická kalibrace realizuje? Homografie a její využití v robotickém vidění.
    • 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.
  • Test 2 (18. 4. 2016)
    • Pojem stupně volnosti systému.
    • Typy kinematických dvojic, struktury manipulatorů.
    • Transformace souřadnic.
    • Přímá a inverzní kinematická úloha.
    • Aplikace robotů s důrazem na inteligentní roboty, příklady nasazení, význam, v čem jsou aplikace složité, zejména z teoretického hlediska.
    • Zpětná vazba, obecné principy.
    • Princip záporné zpětné vazby. Příklad Wattova regulátoru otáček. Základní regulace a její problémy.
    • Význam zpětné vazby při omezování neurčitosti v reálných aplikacích.
    • Základní principy kybernetiky. Přehled o historii kybernetiky, klíčových osobnostech a vlivu kybernetiky na jiné disciplíny.
    • Rychlostní a polohový servomechanismus jako příklad zpětné vazby. Příklady, nasazení.
    • 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.
    • Příklad na fyzikálnětechnickou úvahu (opírá se o předchozí znalosti získané především před tímto předmětem, i když v diskusích na přednáškách jsme podobné úvahy činili).
    • 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.
  • Test 3 (16. 5. 2016)
    • Plánování cesty robotu.
    • Reprezentace světa robotů, mřížka obsazenosti, metrická a topologická mapa, abstraktnější reprezentace grafy.
    • 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.
  • Nahradní test (23. 5. 2016 v 12:45 hodin v KN:G-205). Test je určen studentům, kteří nepsali řádné testy ze závažných důvodů. Náhradní test bude obsahovat látku probíranou během celého předmětu. V den náhradního testu ověřím 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.

Podmínky získání zápočtu

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

Doporučená literatura

  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.
  4. P. Vysoký: Padesát let kybernetiky. Vesmír, svazek 77, listopad 1998, ss. 626-633. (pdf)

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 inteligentní 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, 21. 2. 2016

 
Groups:
courses/a3m33iro/start.txt · Last modified: 2016/05/13 10:14 by hlavac