Competencies and objectives

 

Course context for academic year 2014-15

Esta asignatura es optativa dentro del máster. Profundiza en los métodos de robótica móvil (localización, mapeado, etc.) que permitirá una combinación potente y actual de los sistemas robóticos, presentando el estado actual de las técnicas robóticas.

 

 

Course content (verified by ANECA in official undergraduate and Master’s degrees) for academic year 2014-15

General Competences (CG)

  • B10 : Capacitat per a identificar la informació rellevant en les tasques d'aprenentatge automàtic.
  • B11 : Capacitat de disseny, configuració, implementació i avaluació de sistemes de còmput i comunicació que satisfacen requisits relatius a cost, velocitat, seguretat i consum.
  • B13 : Capacitat d'adaptar els sistemes informàtics a les necessitats de sectors diferents (econòmic, productiu, consum, salut, etc.) de la societat.
  • B3 : Capacitat de produir eficientment la documentació tècnica associada al treball de recerca i de desenvolupament dut a terme.
  • B4 : Capacitat d'investigar la manera d'integrar sistemes informàtics.
  • B6 : Coneixements bàsics de les tècniques estadístiques més rellevants per a la investigació en les tecnologies informàtiques.
  • B7 : Capacitat de modificar algorismes clàssics per a adaptar-los a cada situació.
  • B8 : Avaluar la qualitat dels models per a l'elaboració d'un projecte d'investigació.
  • B9 : Capacitat per a desenvolupar heurístiques per a la resolució de problemes.

 

Skills/Skills

  • A1 : Capacidad de análisis y síntesis.
  • A10 : Capacidad de razonamiento y extracción de conclusiones.
  • A12 : Habilidad de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.
  • A13 : Habilidad de adaptación al ambiente cambiante propio de la disciplina, sabiendo aplicar los conocimientos adquiridos y resolver problemas en entornos nuevos o poco conocidos dentro de contextos más amplios (o multidisciplinares) relacionados con su área de estudio.
  • A14 : Capacidad de creatividad.
  • A17 : Habilidad para transferir resultados de investigación.
  • A18 : Capacidad de autonomía científica y técnica.
  • A2 : Capacidad de organización y planificación.
  • A3 : Capacidad de comunicación oral y escrita (en la lengua nativa e inglesa) de los conocimientos y conclusiones (y razones últimas que las sustentan) a públicos especializados y no especializados de un modo claro y sin ambigüedades.
  • A5 : Capacidad de resolver problemas e integrar conocimientos y enfrentarse a la complejidad de formular juicios a partir de una información que, siendo incompleta o limitada, incluya reflexiones sobre las responsabilidades sociales y éticas vinculadas a la aplicación de sus conocimientos y juicios.
  • A6 : Capacidad de trabajar en equipo con iniciativa y espíritu emprendedor.

 

Specific Competences:>>Shape Recognition and AI Technologies

  • C1.2 : Capacitat de dissenyar un sistema robotitzat per a automatitzar un procés industrial.
  • C1.3 : Capacitat de programar un robot perquè interactue amb el seu entorn utilitzant dades sensorials.
  • C1.5 : Capacitat de dissenyar i implementar solucions a problemes de visió artificial.

 

 

 

Learning outcomes (Training objectives)

No data

 

 

Specific objectives stated by the academic staff for academic year 2014-15

 

  • Conocer de forma teórica y práctica distintas arquitecturas y frameworks de programación de robots móviles, como por ejemplo Aibo y ROS.
  • Conocer los modelos de movimiento de un robot basados en su configuración y geometría. Ser capaz de modelar el movimiento de un robot en función de sus características geométricas y cinemáticas. Conocer las características geométricas y cinemáticas de robots móviles con articulaciones para locomoción.
  • Conocer las características básicas de los sensores 2D y 3D. Ser capaz de modelar el funcionamiento de estos sensores en un robot móvil moviéndose en un entorno. 
  • Conocer modelos bayesianos probalísticos de estos sensores. Conocer, evaluar y diseñar algoritmos de movimiento y evitación de obstáculos que utilicen los datos obtenidos por estos sensores de alcance y sus modelos. 
  • Conocer las posibilidades de los distintos tipos de cámaras (monocular, estéreo y omnidireccional) para obtener información del entorno útil para el comportamiento y la navegación de los robots móviles. Conocer y utilizar los modelos básicos de la geometría de los distintos tipos de cámaras para la detección de características del entorno en conductas de homing o evitación de obstáculos.
  • Conocer los distintos modelos de mapas de entornos y las condiciones de utilización de cada uno de ellos (mapas de ocupación, modelos geométricos, modelos topológicos, modelos mixtos métricos y topológicos, etc.). Conocer, evaluar y diseñar algoritmos de movimiento, navegación y exploración de robots móviles en distintos tipos de entornos. Conocer las versiones probabilísticas de estos modelos.
  • Conocer los fundamentos de la localización y estimación bayesiana aplicada a robots y dispositivos móviles en entornos previamente conocidos.
  • Conocer y evaluar algoritmos y técnicas de construcción de distintos tipos de mapas del entorno; entre ellos el más importante es el SLAM con filtro de Kalman extendido. Conocer las características y limitaciones de estas técnicas de construcción de mapas. Conocer algoritmos y estrategias de exploración de entornos desconocidos.
  • Conocer las características y problemáticas asociadas a la coordinación de equipos de robots, utilizando como ejemplos prácticos la coordinación de equipos de fútbol (robocup) o de rescate (robocup rescue). 
  • Comprobar el funcionamiento de las técnicas estudiadas en la asignatura utilizando entornos simulados y robots reales. 
  • Conocer distintos ejemplos de uso y aplicación de robótica móvil (almacenaje, reparto, agricultura, servicios, entretenimiento, etc.). Ser capaz de idear nuevas aplicaciones de las técnicas vistas en la asignatura.

 

 

 

General

Code: 11828
Lecturer responsible:
CAZORLA QUEVEDO, MIGUEL ANGEL
Credits ECTS: 3,00
Theoretical credits: 0,60
Practical credits: 0,60
Distance-base hours: 1,80

Departments involved

  • Dept: SCIENCE OF COMPUTING AND ARTIFICIAL INTELLIGENCE
    Area: CIENCIA DE LA COMPUTACIO, INTEL·LIGENCIA ARTIFICIA
    Theoretical credits: 0,6
    Practical credits: 0,6
    This Dept. is responsible for the course.
    This Dept. is responsible for the final mark record.

Study programmes where this course is taught