ECTS credits ECTS credits: 3
ECTS Hours Rules/Memories Hours of tutorials: 1 Expository Class: 10 Interactive Classroom: 11 Total: 22
Use languages English
Type: Ordinary subject Master’s Degree RD 1393/2007 - 822/2021
Departments: Electronics and Computing, External department linked to the degrees
Areas: Computer Science and Artificial Intelligence, Área externa M.U en Intelixencia Artificial
Center Higher Technical Engineering School
Call: First Semester
Teaching: With teaching
Enrolment: Enrollable | 1st year (Yes)
El objetivo principal de esta asignatura es proporcionar las bases conceptuales de la robótica inteligente, es decir, de cómo las técnicas de IA aplican al caso particular de los robots con el objetivo de lograr un funcionamiento autónomo. Todo el desarrollo de la asignatura se basa en las propiedades distintivas de la robótica, como son la operación en entornos reales y la existencia de un cuerpo físico. A partir de estas premisas, la asignatura cubre aspectos fundamentales de sensorización, actuación y control, con un enfoque práctico hacia la resolución de problemas de manera autónoma por parte del robot.
Elementos de un sistema robótico inteligente.
Entorno real, embodiment y reality gap.
Sensorización y actuación.
Control inteligente: robótica basada en conocimiento, robótica basada en comportamiento, aproximaciones híbridas.
Específicas:
- [CE17] - Comprender y asimilar las capacidades y limitaciones de los sistemas robóticos inteligentes actuales, así como de las tecnologías que los sustentan.
- [CE18] - Desarrollar la capacidad de elegir, diseñar e implementar estrategias basadas en inteligencia artificial para dotar a sistemas robóticos, tanto individuales como colectivos, de las capacidades necesarias para realizar sus tareas de manera adecuada de acuerdo con los objetivos y restricciones que se planteen.
Resultados de aprendizaje:
- [CG1] Capacidad para concebir, redactar, organizar, planificar, y desarrollar modelos, aplicaciones y servicios en el ámbito de la inteligencia artificial, identificando objetivos, prioridades, plazos recursos y riesgos, y controlando los procesos establecidos.
- [CG2] Capacidad para resolver problemas con iniciativa, toma de decisiones, autonomía y creatividad.
- [CG3] Capacidad para diseñar y crear modelos y soluciones de calidad basadas en Inteligencia Artificial que sean eficientes, robustas, transparentes y responsables.
- [CG4] Capacidad para seleccionar y justificar los métodos y técnicas adecuadas para resolver un problema concreto, o para desarrollar y proponer nuevos métodos basados en inteligencia artificial.
- [CG5] Capacidad para concebir nuevos sistemas computacionales y/o evaluar el rendimiento de sistemas existentes, que integren modelos y técnicas de inteligencia artificial.
Se utilizarán las siguientes metodologías docentes: Sesiones expositivas y Sesiones interactivas con Ordenador.
Las sesiones expositivas que consistirán básicamente en lecciones magistrales impartidas por el profesorado, dedicadas a la exposición de los contenidos teóricos y a la resolución de problemas o ejercicios. Este método facilita la comprensión de conceptos complejos y permite sintetizar en la exposición distintas fuentes de información, que se pueden trabajar con el alumnado de forma más coherente.
Las sesiones interactivas permitirán, en unos casos, la adquisición de habilidades prácticas y, en otros, servirán para la ilustración inmediata de los contenidos teórico-prácticos. Todas las tareas del alumnado (estudio, trabajos, programas de ordenador, lecturas, exposiciones, ejercicios, prácticas…) serán orientadas por el profesorado.
Prácticas de campo: De ser necesario para el correcto desarrolllo de las prácticas, se programarán desplazamientos puntuales del alumnado a los laboratorios de robótica de la EPSE (Lugo) o de la UDC (Coruña o Ferrol).
La evaluación de la materia constará de dos partes diferenciadas: teoría (50%) y trabajos prácticos (50%). La parte teórica será evaluada mediante un examen que podrá consistir en un trabajo de análisis de bibliografía científica relacionada con el temario de la asignatura, presentado oralmente el día del examen final. La parte práctica se evaluará a partir de la media de las memorias presentadas al final de cada práctica. Será necesario aprobar la parte de teoría y la de prácticas por separado para poder aprobar la asignatura
La asistencia tanto a las clases teóricas como prácticas será obligatoria para el aprobado de la materia excepto en casos de ausencia justificados. Para aquellos alumnos que tengan dispensa, el sistema de evaluación será el mismo aunque que no tendrán obligación de asistir a las clases teóricas.
Evaluación de segunda oportunidad: Los alumnos deberán recuperar cada parte suspensa (teoría y-o prácticas). Si una de las dos partes fue aprobada durante la primera oportunidad, el alumno podrá optar por guardar la nota correspondiente y solo recuperar la parte suspensa.
Los alumnos serán evaluados como "no presentado" cuando no presenten el trabajo de análisis de teoría o alguna de las memorias de prácticas.
Las competencias propias de la materia así como las competencias generales-básicas tienen contenidos específicos en la materia que se introducen, como se indicó, tanto en las clases expositivas como en las interactivas. Posteriormente el alumnado desarrollará estas competencias en el examen teórico y con la realización de los trabajos prácticos en los que también trabajará las competencias transversales, en especial en lo que se refiere a la capacidad para utilizar herramientas TIC (CT3), la comprensión de la cultura emprendedora (CT5), la capacidad para trabajar en equipo (CT7) y la valorización de la investigación y la innovación (CT8). Las competencias específicas serán objeto de evaluación tanto en los trabajos prácticos que el alumno desarrolle durante la materia como en el examen teórico.
Para los casos de realización fraudulenta de ejercicios o pruebas será de aplicación lo establecido en la “Normativa de evaluación del rendimiento académico de los estudiantes y de revisión de las calificaciones”.
La materia tiene una carga de trabajo de 6 ECTS dividida de la siguiente forma:
- 1. Trabajo en el aula (60 horas presenciales)
Clases de teoría: 21 presenciales
Interactivas:
Clases prácticas de laboratorio: 14 horas
Aprendizaje basado en problemas: 7 horas
- 2. Trabajo personal del alumnado (99 horas no presenciales)
-Preparación y estudio de lo visto en clases de teoría: 42
-Preparación clases interactivas:
Preparación clases prácticas de laboratorio: 60 horas
Preparación aprendizaje basado en problemas: 48 horas
Roberto Iglesias Rodriguez
Coordinador/a- Department
- Electronics and Computing
- Area
- Computer Science and Artificial Intelligence
- roberto.iglesias.rodriguez [at] usc.es
- Category
- Professor: University Lecturer
| Thursday | |||
|---|---|---|---|
| 17:00-18:30 | Grupo /CLE_01 | English | IA.02 |
| 18:30-20:00 | Grupo /CLIL_01 | English | IA.02 |
| 01.17.2025 16:00-20:00 | Grupo /CLIL_01 | IA.02 |
| 01.17.2025 16:00-20:00 | Grupo /CLE_01 | IA.02 |
| 06.26.2025 16:00-20:00 | Grupo /CLIL_01 | IA.02 |
| 06.26.2025 16:00-20:00 | Grupo /CLE_01 | IA.02 |