Cognição em Sistemas Autónomos

Objetivos

Conhecer

Conceitos fundamentais de Sistemas Autónomos
Conceitos fundamentais de Sistemas tele-Operados
O que são arquitecturas e os diferentes tipos que caracterizam os sistemas autónomos
A importância da extração de contexto
Como aplicar técnicas de aprendizagem supervisionada e não supervisionada em robótica
Como aplicar técnicas de deep learning em robótica
O papel da extração de cues socias implícitas e explicitas em robótica
Schedulling e planeamento dinâmico de tarefas
Planeamento Critico de missão
Planeamento e navegação em sistemas multi-robots

Capaz de Fazer

Equacionar problemas novos e estratégias de implementação de sistemas robotizados autónomos heterogéneos
Incrementar a capacidade de concretização de implementação de sistemas robotizados
Desenvolver a criatividade e inovação.

Competências não-técnicas

Desenvolver a capacidade de síntese e análise crítica
Trabalhar em equipa e incrementar a comunicação escrita e oral
Capacidade de gestão de tempo e cumprimento de prazos

Caracterização geral

Código

13090

Créditos

6.0

Professor responsável

José António Barata de Oliveira, Luís Manuel Camarinha de Matos

Horas

Semanais - A disponibilizar brevemente

Totais - 56

Idioma de ensino

Português

Pré-requisitos

Conhecimentos de Robotica Telerobotica.

Bibliografia

Andrew, A. M. (1999). REINFORCEMENT LEARNING: AN INTRODUCTION by Richard S. Sutton and Andrew G. Barto, Adaptive Computation and Machine Learning series, MIT Press (Bradford Book), Cambridge, Mass., 1998, xviii+ 322 pp, ISBN 0-262-19398-1,(hardback,£ 31.95). Robotica, 17(2), 229-235.
Siegwart, R., Nourbakhsh, I. R., & Scaramuzza, D. (2011). Introduction to autonomous mobile robots. MIT press.
Goodfellow, I., Bengio, Y., Courville, A., & Bengio, Y. (2016). Deep learning (Vol. 1, No. 2). Cambridge: MIT press.
Murphy, R. R. (2019). Introduction to AI robotics. MIT press.

Método de ensino

As aulas teorico-praticas (TP) são dirigidas de forma a que os estudantes, através da sua participação activa, compreendam cada um dos tópicos listados nos objectivos de aprendizagem.

Nas aulas laboratoriais (PL) os estudantes focam-se na experimentação dos conceitos expostos nas aulas teórico-práticas de forma a saberem fazer.

Para cada trabalho prático:

Apresentação do enunciado,
tutorial sobre as tecnologiais / ferramentas a usar,
discussão do método de trabalho,
realização do trabalho pelos alunos acompanhados por docente e
elaboração de relatório.

Método de avaliação

Componentes de Avaliação

1. 2 Mini-Testes
2. 3 Trabalhos Práticos

Regras de Avaliação

1. Nota Teórica = (Mini-Teste 1 + Mini-Teste 2) / 2
2. Nota Teórica >= 9.5
3. Cada Trabalho Prático >= 9.5
4. Nota Prática = TP1 * Peso1 + TP2 * Peso2 + TP3*Peso3 ; Pesos são anunciados no início da UC
5. Nota Final = Nota Prática * 0.6 + Nota Teórica * 0.4

Conteúdo

1. 1.       INTRODUCTION
  
  a.       Intelligent Robots
  
  b.       Brief History of AI ROBOTICS
  
  c.       Automation and Autonomy
  
  2.       SOFTWARE ORGANISATION OF AUTONOMY
  
  a.       Introduction to Architectures
  
  b.       Types of architectures
  
  c.       Operational Deliberative and Reactive Architectures
  
  d.       Operational Architecture
  
  e.       Systems Architecture
  
  3.       CONTEXTUAL AWARENESS
  
  a.       Object and Scene Recognition
  
  b.       3D Scene Understanding
  
  c.       Action Recognition
  
  4.       SUPERVISED AND UNSUPERVISED LEARNING IN ROBOTICS
  
  5.       DEEP LEARNING APPLIED TO ROBOTICS
  
  6.       HUMAN-ROBOT INTERACTION AND SOCIAL ROBOTICS
  
  7.       MOBILE ROBOT AUTONOMY
  
  a.       Task Scheduling
  
  b.       Multi Criteria Scheduling
  
  c.       Mission Critical Planning
  
  8.       Multi-Robot Navigation, Coordination, and Planning

Cursos

Cursos onde a unidade curricular é leccionada:

Engenharia de Robótica e Sistemas Inteligentes de Manufatura