Studiewijzer 2019/2020

Globale inhoud

Dit vak is een inleiding in de fundamenten van mobiele robot systemen. Het beschrijft verschillende aspecten van mobiele robots; van sensoren en motoren tot perceptie en cognitie. Het vak concentreert zich op wat nodig is voor mobiliteit; het is een overzicht van de methoden die nodig zijn om een robot een taak in de wereld uit te voeren (denk aan obstakel ontwijking en lokalisatie). Het combineert hiervoor concepten van de kinematica, control theorie, signaal verwerking, beeldverwerking, kunstmatige intelligentie en de stochastiek.

Studiemateriaal

Literatuur

Roland Siegwart, Illah R. Nourbakhsh and Davide Scaramuzza, `Introduction to Autonomous Mobile Robots', 2nd edition, MIT Press, March 2011. ISBN-:78-0-262-01535-6, ~€ 50,-)

Software

V-Rep simulator, Python

Overig

Eigen laptop

Leerdoelen

De student is in staat om de inverse kinematica van een robot frame af te leiden en te implementeren.
De student is in staat om verschillende feature extractors op afbeeling toe te passen om op die manier image descriptors te bouwen (e.g. bag of words)
De student is in staat om een robot te localiseren in een omgeving aan de hand van de SLAM technique en kan de pipeline hiervoor ook implementeren.
De student is in staat om grap-search algorithms voor path-planning zoals breadth-first, depth first, Dijkstra, A* en D* van elkaar te onderscheiden en deze ook uit te leggen.
De student is in staat om de fundamentele eigenschappen van mobiele robotica uit te leggen
De student is in staan om de verschillende uitdagingen voor het autonoom besturen van een mobiele robot uit te leggen.

Onderwijsvormen

Hoorcollege
(Computer)practicum

Colleges en practica (gecombineerd in een studio class room). Er is geen aanwezigheidsplicht voor de practica. U mag de robots echter niet mee naar huis nemen, dus u kan de opdrachten alleen succesvol afronden op het moment dat u een dataset heeft opgenomen.

Verdeling leeractiviteiten

Activiteit	Aantal uur
Deeltoets	4
Laptopcollege	48
Zelfstudie	116

Aanwezigheid

Aanwezigheidseisen opleiding (OER-B):

Voor practica en werkgroepbijeenkomsten met opdrachten geldt een aanwezigheidsplicht. De invulling van deze aanwezigheidsplicht kan per vak verschillen en staat aangegeven in de studiewijzer. Wanneer studenten niet voldoen aan deze aanwezigheidsplicht kan het onderdeel niet met een voldoende worden afgerond.

Toetsing

Onderdeel en weging	Details
Eindcijfer
0.25 (25%) Deeltoets 1	Moet ≥ 4.5 zijn
0.25 (25%) Deeltoets 2	Moet ≥ 4.5 zijn
0.5 (50%) practicum	Moet ≥ 4.5 zijn

De summatieve toetsing zal plaatsvinden in een deel- en een eindtentamen. In de beoordeling zullen ook de ingeleverde antwoorden van de practica vragen meegewogen worden. Bij het missen van een deadline worden de antwoorden niet meer beoordeeld. Datum, plaats en tijdstip van een eventuele herkansing van een practicumonderdeel wordt in nader overleg met de coördinator bepaald en kan alleen worden gedaan als het practicumwerk voor het verstrijkken van de deadline is afgerond.

Inzage toetsing

De datum, het tijdstip en de locatie van het inzagemoment staan in het rooster in DataNose.

Het contact opnemen dient binnen een week na bekendmaking van de cijfers te geschieden.

Opdrachten

Practica opdrachten 1 t/m 4

Elk practicum opdracht wordt afgerond met het inleveren van de uitwerkingen. Zie ook 'Toetsing'.

Fraude en plagiaat

Dit vak hanteert de algemene 'Fraude- en plagiaatregeling' van de UvA. Hier wordt nauwkeurig op gecontroleerd. Bij verdenking van fraude of plagiaat wordt de examencommissie van de opleiding ingeschakeld. Zie de Fraude- en plagiaatregeling van de UvA: http://student.uva.nl

Weekplanning

Weeknummer	Onderwerpen	Studiestof
1	Introduction & Locomotion	Chapter 1 & 2
,,	Kinematics	Chapter 3
2	Sensors for Mobile Robots	Chapter 4.1
,,	Fundamentals of Computer Vision	Chapter 4.2
3	Feature Extraction	Chapter 4.3-4.5
,,	Place Recognition	Chapter 4.6-4.7
4	Deeltentamen 1
5	The Challenge of Localization	Chapter 5.1-5.5
,,	Probabilistic Map Based Localization	Chapter 5.6
6	Kalman Filter Localization	Chapter 5.6.8
,,	Simultaneous Localization and Mapping	Chapter 5.8
7	Planning and Navigation Part I	Chapter 6
,,	Planning and Navigation Part I!	,,
8	Deeltentamen 2

Week 44: Chapter 1 & 2 - Introduction & Locomotion

Rooster

Het rooster van dit vak is in te zien op DataNose.

Aanvullende informatie

Er wordt vanuit gegaan dat u het vak Beeldverwerken heeft gevolgd. Dit vak verwacht een zekere vaardigheid met het toepassen van wiskunde begrippen uit de statistiek, calculus en algebra. Voor de praktische opdrachten heeft een zekere vaardigheid met het ontwikkelen van software grote voordelen.
De belangrijkste voorwaarde is echter creativiteit en enthousiasme, en de bereidheid zich in te spannen bij het experimenteren met systemen die hun gegevens uit de echte wereld halen.
Voor dit vak geldt een capaciteitsbeperking. Studenten Kunstmatige Intelligentie genieten voorrang mbt toelating tot het vak.

Verwerking vakevaluaties

Hieronder vind je de aanpassingen in de opzet van het vak naar aanleiding van de vakevaluaties.

Contactinformatie

Coördinator

drs. A. van Inge

Eigenaar	Bachelor Kunstmatige Intelligentie
Coördinator	drs. A. van Inge
Onderdeel van	Minor Kunstmatige Intelligentie, jaar 1 Bachelor Bèta-gamma, major Kunstmatige Intelligentie, jaar 3 Bachelor Future Planet Studies, major Kunstmatige Intelligentie, jaar 3 Bachelor Kunstmatige Intelligentie, jaar 3

Autonome Mobiele Robots