|
Vyučující
|
|
|
|
Obsah předmětu
|
Obsah přednášky: Úvod " Agentový přístup k autonomním systémům " Oblasti UI s dopadem a využitelností v autonomních systémech Prostředí a jeho reprezentace " Predikátová reprezentace " Objektový přístup " Jazyky pro autonomní systémy Interakce agenta s prostředím " Aktivní senzory " Aktivní efektory " Lokalizace Formulace cílů a plánování s UI " Typy cílů a hodnocení pokroku " STRIPS " Navigace a pohyb " Optimalizace a genetické algoritmy Strojové učení " Typy učení " Case based reasoning " Rozhodovací stromy " Umělé neuronové sítě v robotice Human - robot interaction " Využití UI pro HRI Distribuované systémy " Multiagentní systémy a komunikace agentů " Inteligentní systémy a jejich řízení a koordinace Obsah cvičení: Obsah cvičení tematicky odpovídá struktuře přednášek. Hlavní formou výuky bude zkoumání a implementace vybraných postupů z přednášek pomocí simulačních modelů a robotických systémů.
|
|
Studijní aktivity a metody výuky
|
Monologická (výklad, přednáška, instruktáž), Demonstrace, Laboratorní práce
- Účast na výuce
- 56 hodin za semestr
- Domácí příprava na výuku
- 48 hodin za semestr
- Příprava na zkoušku
- 26 hodin za semestr
- Semestrální práce
- 26 hodin za semestr
|
|
Výstupy z učení
|
Předmět je zaměřen na témata zahrnovaná do oblasti umělé inteligence a jejich využití v robotice a autonomních a embedded systémech. Cílem přednášek je představit studentům vybrané metody z uvedených oblastí, důraz bude kladen na klasické agentové pojetí autonomních systémů. Zahrnuta budou i témata související s human-robot interaction a problematika koordinace autonomních systémů. V rámci cvičení se studenti naučí vybrané postupy implementovat a to jak v prostředí simulačních modelů, tak v reálných robotických systémech. Po absolvování předmětu student získá dostatečný přehled o technikách UI použitelných v autonomních systémech a robotech a bude mít rovněž osobní zkušenost s jejich implementací.
Po absolvování předmětu bude mít student znalosti ze vzájemně souvisejících oblastí autonomních systémů a umělé inteligence a pokročilého zpracování dat různého typu. Tyto znalosti bude student schopen prakticky využít a implementovat jak v simulačním prostředí, tak v reálných robotických systémech a robotech.
|
|
Předpoklady
|
Pro absolvování předmětu je vhodné mít základní znalosti počítačových sítí a programování.
|
|
Hodnoticí metody a kritéria
|
Písemná zkouška, Rozbor produktů pracovní činnosti studenta (technické práce), Seminární práce
V průběhu semestru student vypracuje příklady vyplývající z probírané látky. Zkouška vychází z průběhu semestru, zpracování semestrální práce a teoretického testu. Podmínky zakončení: Splnění průběžných úkolů (cca 5 úkolů) - 5 x 10 b. (min. 25 b.) Zpracování semestrální práce - 40 b. (min. 20 b.) Test - 30 b. (min. 15 b.) Na řádném a opravném termínu zápočtu, stejně jako na každém termínu zkoušky jsou zakázány všechny pomůcky, kromě těch, které jsou povoleny vyučujícím.
|
|
Doporučená literatura
|
-
HUHNS, Michael N. Distributed artificial intelligence. Elsevier, 2012.
-
Informační zdroje na síti Internet. Vzhledem k častým obměnám budou konkrétní místa upřesněna při zahájení výuky předmětu..
-
KAELBLING, Leslie Pack; ROSENSCHEIN, Stanley J. Action and planning in embedded agents. Robotics and autonomous systems, 1990.
-
MURPHY, Robin. Introduction to AI robotics. MIT press, 2000.
-
RUSSELL, Stuart; NORVIG, Peter; Artificial intelligence - A modern approach. Prentice-Hall, Egnlewood Cliffs, 1995, 25.
-
Bratko, I. Prolog Programming for Artificial Inteligence.. Addison - Wesley, 1986.
-
Mařík, V., Štěpánková, O., Lažanský, J. a kol. Umělá inteligence I.. Academia, 1993.
|