ECTS credits ECTS credits: 6
ECTS Hours Rules/Memories Hours of tutorials: 3 Expository Class: 24 Interactive Classroom: 24 Total: 51
Use languages Spanish, Galician
Type: Ordinary Degree Subject RD 1393/2007 - 822/2021
Departments: Electronics and Computing
Areas: Computer Science and Artificial Intelligence
Center Higher Polytechnic Engineering School
Call: First Semester
Teaching: With teaching
Enrolment: Enrollable
Conocer las técnicas y métodos necesarios para dotar a los robots móviles de autonomía, filtros de estimación de estados como los filtros de Kalman, Kalman extendido y filtros de partículas.
Saber los diferentes sistemas de locomoción para robots móviles y aplicar diferentes modelos de movimiento.
Conocer los distintos modelos de percepción y cómo trasladar esa información a la construcción de mapas de diferentes tipos.
Aprender a localizar el robot a partir del modelo de movimiento, la información de los sensores y un mapa del entorno, y se extender los métodos de localización para que el robot pueda realizar localización y mapeado simultáneos en aquellas situaciones donde el mapa es desconocido o necesita ser actualizado.
Estudiar métodos de planificación del movimiento, para que el robot sea capaz de evitar obstáculos y navegar por entornos evitando colisiones y optimizando un conjunto de criterios.
Introducción a la robótica móvil.
(HP estimadas: 1, HNP estimadas: 1)
Tipos de locomoción y Modelos de movimiento.
(HP estimadas: 2, HNP estimadas: 2)
Percepción y modelado del entorno.
(HP estimadas: 2, HNP estimadas: 2)
Filtros de estimación de estados.
(HP estimadas: 1, HNP estimadas: 1)
Mapeado: representaciones métricas y topológicas.
(HP estimadas: 1, HNP estimadas: 1)
Construcción de mapas.
(HP estimadas: 2, HNP estimadas: 2)
Localización. Localización y mapeado simultáneos (SLAM).
(HP estimadas: 2, HNP estimadas: 2)
Arquitecturas de control (reactivas, jerárquicas, híbridas…).
(HP estimadas: 1, HNP estimadas: 1)
Planificación del movimiento.
(HP estimadas: 2, HNP estimadas: 2)
Es una asignatura con un componente práctico importante, a través de las prácticas los alumnos ilustrarán de forma experimental los conceptos de los temas teóricos. Se utilizarán librerías de software apropiadas para este tipo de aprendizaje.
Por otro lado, las prácticas se reforzarán con trabajos importantes en los que el alumno deberá poner en juego contenidos vistos en las clases de teoría o profundizar en aspectos complementarios.
Bibliografía básica
- R. Siegwart, & I.R. Nourbakhsh D. Scaramuzza. Introduction to Autonomous Mobile Robots, MIT Press, 2011.
- S. Thrun, W. Burgard & D. Fox.. Probabilistic robotics. MIT Press, 2006.
Bibliografía complementaria
- P. Corke. Robotics, Vision and Control. Fundamental Algorithms in Matlab. Springer, 2017.
- H. Choset, K.M. Lynch, S. Hutchinson, G.A. Kantor, W. Burgard, L.K. Kavraki & S. Thrun. Principles of Robot Motion. Theory, Algorithms and Implementations. MIT Press, 2005.
- S. LaValle. Planning Algorithms. Cambridge, 2006
- G. Dudek & M. Jenkin. Computational Principles of Mobile Robotics. Cambridge, 2010.
El alumno que supere la materia con éxito será capaz de:
Conocimiento:
- Con65. Identificar los diferentes sistemas de locomoción y modelos de movimiento en robots móviles.
- Con66. Describir y clasificar los métodos de planificación global y local para la evitación de obstáculos en robots móviles.
Destrezas:
- H/D70. Aplicar modelos de movimiento y modelos de percepción a problemas de robótica móvil como la
localización y la construcción de mapas.
- H/D71. Usar métodos de estimación de estados (como el filtro de Kalman, filtro de Kalman extendido o filtros de partículas) para problemas de localización y mapeado en robots móviles.
Competencias:
- Comp09. Capacidad de aplicar sistemas de navegación, localización y construcción de mapas en robots, y estar al
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. Estas 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 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 permitirán al alumnado la comprensión de los conceptos teóricos mediante su puesta en práctica y les permitirán la adquisición de habilidades necesarias para aplicar diversos algoritmos de robótica móvil 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 se llevará a través de un portfolio de trabajos y actividades que podrá incluir entre otros: entregables sobre las actividades realizadas durante las prácticas en el laboratorio, una serie de trabajos prácticos a realizar de manera individual a lo largo del semestre y la resolución de problemas que se propongan en el aula. La evaluación será 100% contínua.
Debido a este tipo de evaluación continua, la asistencia a prácticas será obligatoria salvo causa justificada.
El alumno recibirá la calificación de "non presentado" cuando no complete el 80% de los trabajos propuestos en el portfolio.
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. Para aquellos alumnos que tengan dispensa, 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 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.
Las competencias propias de la asignatura así como las competencias generales tienen contenidos específicos en la materia que se introducen, como se ha indicado, tanto en las clases expositivas como en las interactivas. Posteriormente el alumnado desarrollará estas competencias en el trabajo final y con la realización de los trabajos prácticos.
Las competencias específicas serán objeto de evaluación en los trabajos prácticos incluidos en el portfolio que el alumno deberá completar.
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: 3 horas
- 2.4. Preparación de tutorías individualizadas: 10 horas
- 2.5. Preparación de pruebas de evaluación: 5 horas
Ignacio Raño Noal
Coordinador/a- Department
- Electronics and Computing
- Area
- Computer Science and Artificial Intelligence
- ignacio.rano [at] usc.es
- Category
- Professor: Temporary PhD professor
| Monday | |||
|---|---|---|---|
| 15:00-17:00 | Grupo /CLE_01 | Spanish | Classroom 8 (Lecture room 2) |
| 01.21.2025 16:00-20:00 | Grupo /CLE_01 | Classroom 7 (Lecture room 2) |
| 06.26.2025 16:00-20:00 | Grupo /CLE_01 | Classroom 7 (Lecture room 2) |