Créditos ECTS Créditos ECTS: 6
Horas ECTS Criterios/Memorias Horas de Tutorías: 3 Clase Expositiva: 24 Clase Interactiva: 24 Total: 51
Lenguas de uso Castellano, Gallego
Tipo: Materia Ordinaria Grado RD 1393/2007 - 822/2021
Departamentos: Electrónica y Computación
Áreas: Ciencia de la Computación e Inteligencia Artificial
Centro Escuela Politécnica Superior de Ingeniería
Convocatoria: Primer semestre
Docencia: Con docencia
Matrícula: Matriculable
Estudio de los fundamentos necesarios para realizar la planificación del movimiento de robots (definición y recálculo de trayectorias), y estrategias para la planificación de tareas a alto nivel, tanto para robots individuales como coordinando conjuntos de robots.
Capacidad para gestionar de forma adecuada datos con incertidumbre que viene dada por la existencia inevitable de errores de odometría, localización y mapeado presentes en cualquier operación de un robot real.
Diseñar una representación para problemas de robótica basados en objetivos a partir de conjuntos de estados. Diseñar métodos para la resolución de problemas en robótica a partir de las representaciones anteriores.
Aplicar las técnicas de exploración y búsqueda básicas para la resolución de problemas en robótica.
Modelar problemas basados en conocimiento y resolverlos aplicando técnicas de razonamiento, tanto con datos precisos como con incertidumbre.
Diseñar agentes y sistemas multiagente, definiendo sus elementos básicos adecuadamente en función de las necesidades de un problema en robótica.
Agentes inteligentes. Sistemas multiagente. Representación del conocimiento. Búsqueda. Búsqueda con adversarios y local. Planificación automática. Incertidumbre en robótica
Estos contenidos se estructurarán en el siguiente programa de la materia:
Contenidos teóricos (24 horas de actividades presenciales y 24 horas de trabajo personal del estudiante)
Tema 1 - Agentes inteligentes. Definición. Propiedades de los entornos. Estructura de los agentes. Tipos de agentes. Equivalencia entre clasificaciones existentes. (4 horas presencial + 4 horas de trabajo no presencial)
Tema 2 - Sistemas multiagente. Definición. Tipos de sistemas multiagente. Comunicación y Cooperación. Sistema de pizarra. Paso de mensajes. Planificación multiagente. (2 horas + 2 horas)
Tema 3 - Representación del conocimiento. Introducción. Formas de representación: lógica proposicional, lógica de predicados, otras lógicas, redes semánticas, Objeto-Atributo-Valor, Marcos, programación orientada a objetos, espacio de búsqueda (2 horas + 2 horas)
Tema 4 - Búsqueda. Espacios de búsqueda. Búsqueda no informada (amplitud, profundidad, profundidad iterativa, hacia atrás, bidireccional). Análisis de complejidad. Búsqueda heurística (heurística, búsqueda en escalada y haz, búsqueda de "el mejor primero" A*, IDA*) (6 horas + 6 horas)
Tema 5 - Busqueda con adversarios y local. Búsqueda de dos agentes. Algoritmo Minimax. Simulated Annealing. Algoritmos genéticos. (2 horas + 2 horas)
Tema 6 - Planificación automática. Representación en planificación. Métodos de planificación. Planificación clásica. STRIPS. Planes parcialmente ordenados. Otros métodos de planificación (GraphPlan, SATPlan, Metric-FF) (6 horas + 6 horas)
Tema 7 - Incertidumbre en robótica. Toma de decisiones con incertidumbre. Caracterización de problemas. MDPs. MDPs parcialmente observables. Intercalado de planificación y ejecución. (2 horas + 2 horas)
También se desarrollarán 3 prácticas durante las clases interactivas para ilustrar de manera experimental los conceptos de los temas teóricos:
Contenidos prácticos (24 horas de trabajo presencial + 48 horas de trabajo no presencial):
Práctica 1: Comportamiento reactivo (6 horas presencial + 12 horas de trabajo no presencial)
Práctica 2: Búsqueda (9 horas + 18 horas)
Práctica 3: Planificación automática (9 horas + 18 horas)
Bibliografía básica:
- Artificial Intelligence: A Modern Approach. Stuart J. Russell, Peter Norvig. Prentice Hall. 4th Edition, 2020.
- Intelligent Software Agents: Foundations and Applications. Brenner, Walter, Zarnekow, Ruediger, Wittig, Hartmut. Springer, 1998.
Bibliografía complementaria:
- Multiagent Systems: A Modern Approach to Distributed Artificial Intelligence. Gerhard Weiss. MIT Press, 2000.
El alumno que ha superado el curso con éxito será capaz de:
Conocimiento:
Con47. Describir estrategias para la planificación de tareas a alto nivel, tanto para robots individuales como
coordinando conjuntos de robots.
Destreza:
H/D48. Utilizar de forma adecuada datos con incertidumbre presentes en cualquier operación de un robot real.
H/D49. Diseñar una representación para problemas de robótica basados en objetivos a partir de conjuntos de estados.
H/D50. Aplicar las técnicas de exploración y búsqueda básicas para la resolución de problemas en robótica.
H/D51. Diseñar problemas basados en conocimiento y resolverlos aplicando técnicas de razonamiento, tanto con datos precisos como con incertidumbre.
H/D52. Diseñar agentes y sistemas multiagente, definiendo sus elementos básicos adecuadamente en función de las necesidades de un problema en robótica
Competencia:
Comp14. Conocer las técnicas de inteligencia artificial utilizadas en robótica industrial y de servicios, saber cómo utilizarlas en aplicaciones robóticas fijas y móviles.
Comp15. Utilizar e implementar métodos de aprendizaje computacional en el análisis de datos sensoriales y para la toma de decisiones en sistemas robóticos.
Comp19. Entender y saber programar las técnicas de análisis, procesado, detección, reconocimiento y seguimiento de patrones en los distintos tipos de señales procedentes de diferentes sensores y cámaras dentro del entorno de un robot.
Los contenidos de la materia se impartirán tanto en clases expositivas de teoría como en clases interactivas de prácticas. Ambos tipos de clases se irán alternando a lo largo del semestre, de tal modo que las prácticas afianzarán los conceptos mostrados en teoría.
Las clases de teoría expositivas se desarrollarán en el aula por parte del profesorado, apoyado por medios electrónicos (presentaciones electrónicas, vídeos, documentos técnicos complementarios...) disponibles en el Campus Virtual de la USC. Dichas clases seguirán los contenidos pormenorizados de la asignatura que aparezcan reflejados en la programación docente anual. Las presentaciones magistrales del profesor se combinarán con la propuesta de ejercicios específicos para afianzar los conceptos presentados. Estos ejercicios serán resueltos por los alumnos (en clase o en casa) para después ser corregidos en clase de una manera participativa.
La docencia de las prácticas, realizadas en grupos reducidos de 20 alumnos y de carácter interactivo, serán actividades complementarias a las clases teóricas expositivas. Serán desarrolladas en laboratorios de robótica con robots reales y en clases de informática bajo la supervisión del profesorado. Los alumnos seguirán de manera autónoma los guiones de las prácticas específicas disponibles en el Campus Virtual de la USC. Estas actividades no sólo permitirán al alumnado la comprensión de los conceptos teóricos mediante su puesta en práctica sino que también les permitirán la adquisición de habilidades necesarias para aplicar algoritmos de aprendizaje automático en su futuro profesional.
Asimismo, en las tutorías se atenderá al alumnado para discutir, comentar, aclarar o resolver cuestiones concretas en relación con sus tareas dentro de la asignatura (recopilación de información, preparación de pruebas de evaluación, prácticas, trabajos...). Estas tutorías serán tanto presenciales como virtuales a través de correo electrónico, campus virtual o la plataforma Microsoft Teams.
La evaluación del curso se realizará de manera integral, combinando una evaluación continua (40%) y una prueba final (60%). La evaluación continua permitirá valorar competencias relacionadas con el conocimiento (Con47) y las destrezas (H/D48 - H/D52), a través de prácticas de laboratorio y trabajos que fomenten la creatividad. La prueba final evaluará competencias de conocimiento y técnicas (Comp14 - Comp15 - Comp19), a través de ejercicios teóricos y prácticos que integren los conocimientos adquiridos. Para aprobar el curso, el estudiante debe obtener una calificación global ponderada igual o superior a 5 puntos (sobre 10) y una calificación mínima de 4 puntos (sobre 10) en la prueba final.
El alumno recibirá la calificación de "non presentado" cuando no haga el examen final.
Para los casos de realización fraudulenta de ejercicios o pruebas será de aplicación lo establecido en la “Normativa de avaliación do rendemento académico dos estudantes e de revisión das cualificacións”
La asistencia tanto a las clases teóricas como prácticas será obligatoria, salvo por causa justificada. Los estudiantes que tengan concedida la dispensa de asistencia por la Comisión de Título según lo dispuesto en el Regulamento de asistencia a clase, el sistema de evaluación será el mismo: no tendrán obligación de asistir a las clases teóricas, pero se mantiene la obligación de asistencia a las prácticas de laboratorio.
Evaluación de segunda oportunidad: Los alumnos podrán entregar en fecha previa el examen de la segunda oportunidad, aquellas actividades que le plantee el profesor, correspondientes a aquellas que no hubiesen superado en la convocatoria anterior. Podrá haber una defensa de trabajos con el profesor. Por otra parte, habrá un examen de segunda oportunidad, en consonancia con lo que sucede en la primera oportunidad y cuyo peso en la calificación final es el mismo.
Evaluación de repetidores: los alumnos repetidores se evaluarán de la misma forma que los alumnos en la primera oportunidad.
La materia tiene una carga de trabajo de 6 ECTS dividida de la siguiente forma:
- 1. Trabajo en el aula (60 horas presenciales)
- 1.1. Clases expositivas teóricas (en grupo grande): 24 horas
- 1.2. Prácticas (con pequeños grupos): 24 horas
- 1.3. Tutorías de grupo: 3 horas
- 1.4. Tutorías individualizadas: 4 horas
- 1.5. Actividades de evaluación: 5 horas
- 2. Trabajo personal del alumnado (90 horas no presenciales)
- 2.1. Lectura, revisión de temas y ejercicios de teoría: 24 horas
- 2.2. Preparación de ejercicios e informes de prácticas: 48 horas
- 2.3. Preparación de tutorías de grupo: 4 horas
- 2.4. Preparación de tutorías individualizadas: 7 horas
- 2.5. Preparación de pruebas de evaluación: 7 horas
Debido a la alta correlación existente entre los conceptos desarrollados en las clases de teoría y los contenidos de las prácticas, se recomienda a los alumnos constancia en el estudio de la materia, acudiendo a las sesiones de prácticas con los conceptos teóricos revisados y los ejercicios resueltos. La realización de las prácticas ayudará al afianzamiento de los conceptos teóricos y a su utilización en situaciones reales.
Francisco Javier Garcia Polo
Coordinador/a- Departamento
- Electrónica y Computación
- Área
- Ciencia de la Computación e Inteligencia Artificial
- Correo electrónico
- franciscojavier.garcia.polo [at] usc.es
- Categoría
- Profesor/a: Titular de Universidad
| Miércoles | |||
|---|---|---|---|
| 13:00-15:00 | Grupo /CLE_01 | Castellano | Aula 8 (Aulario 2) |