B3M33ARO -- Autonomní robotika, léto 2016/2017

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 20.2. Robotika, motivace, manipulátor v průmyslu. Kinematika, přehled. Studenti si mají před přednáškou občerstvit znalosti z lineární algebry. Anchoring robots, Kinematics
2 27.2. Autonomní robot, architektury Autonomus robots, architectures
3 6.3. Uvažující robot, moduly/úlohy, konfigurační prostor. Representation for reasoning
4 13.3. KZ: Robot s kamerou. Geometrie jedné kamery a její kalibrace. Homografie. pinhole.pdf
5 20.3. KZ: Hloubka z obrazových a podobných senzorů. Využití hloubkových map. Least-Squares Fitting of Two 3-D Point Sets mapping.pdf
6 27.3. Trajektorie manipulátoru/mobilního robotu a její výpočet. Test 1. Trajectory of the manipulator
7 3.4. KZ: Plánování cesty robotů, pravděpodobnostní metody. Random planning
8 10.4. Plánování cesty robotů, deterministické metody. Deterministic planning
17.4. Státní svátek. Velikonoční pondělí.
9 24.4. Současná lokalizace a mapování SLAM Test 2. SLAM
10 2.5. KZ: Reinforcement learning in robotics & ROS 01_object_detection.pdf 02_reinforcement_learning.pdf 03_ros_wagner.pdf
8.5. Státní svátek. Den vítězství.
11 11.5. Taktilní zpětná vazba v robotice. Tactile robotics
12 15.5. Silově poddajný robot. Manipulační úlohy. Chapadla. Test 3.
13 22.5. Humanoidní roboty.

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

Očekávaná předběžná znalost pro přednášku nebo cvičení

U studentů tohoto předmětu se očekává schopnost rozumět pojmům a pracovat s nimi 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: Ing. Karel Zimmermann, Ph.D. (vedoucí cvičení), Ing. Vladimír Kubelka, Mgr. Radoslav Škoviera, Ph.D., Ing. Libor Wagner

Detaily ke cvičením budou uvedeny v samostatné sekci cvičení 2016/2017.

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 (přesunut na 27. 3. 2017 z původně plánovaného 20. 3., okruhy zafixovány 26. 2. 2017)
    • 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 (24. 4. 2017)
    • 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. Deterministické a pravděpodobnostní algoritmy plánování.
    • Plánování cesty robotu.
  • Test 3 (15. 5. 2017)
    • 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 (23. 5. 2017 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. 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. (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, 20. 2. 2017

 
Groups:
courses/b3m33aro/start.txt · Last modified: 2017/05/14 06:49 by hlavac