Ficha Unidade Curricular (FUC)

Informação Geral / General Information

Carga Horária / Course Load

Área científica / Scientific area

Multimédia, Visão e Computação Gráfica

Departamento / Department

Departamento de Ciências e Tecnologias da Informação

Ano letivo / Execution Year

2024/2025

Pré-requisitos / Pre-Requisites

Para frequentar esta unidade curricular, os estudantes precisam de ter competências básicas em: 1. Programação em C, C++, C#, Java ou Python; 2. Álgebra linear e geometria analítica; 3. Probabilidades e estatística.

Objetivos Gerais / Objectives

Os ambientes virtuais 3D são amplamente utilizados em vídeo jogos, aplicações interativas, ferramentas para visualização de dados, educação e treino, simuladores de robôs, etc.. Os processos de modelação e animação das personagens que habitam esses ambientes virtuais são cada vez mais automatizados, utilizando para isso algoritmos de Inteligência Artificial (IA) capazes de garantir que as personagens exibem comportamento inteligente, adaptativo, afetivo e carismático. Os estudantes que concluírem com êxito esta unidade curricular estarão aptos a desenhar e implementar personagens virtuais com essas capacidades, utilizando técnicas avançadas de IA, incluindo abordagens recentes de aprendizagem profunda por reforço. Ao longo desta unidade curricular, os estudantes serão expostos aos fundamentos teóricos dessas abordagens (i.e., algoritmos, formalismo matemático) e aos desafios práticos associados à sua implementação (i.e., programação dos algoritmos).

Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes

Nesta UC os estudantes aprendem a desenhar, programar e aplicar algoritmos baseados em Inteligência Artificial (IA) para Personagens Virtuais (PV). A UC parte do pressuposto que os estudantes já têm conhecimentos prévios de álgebra linear, cálculo, probabilidades, desenho de algoritmos e programação C, C++, C#, Java ou Python. Concretamente, no final da UC, cada estudante deverá ter adquirido as competências necessárias para: OA1 - Modelar e animar PV realistas e envolventes utilizando pacotes de software existentes; OA2 - Desenhar, programar e aplicar algoritmos baseados em IA para controladores de PV autónomas e seus coletivos; OA3 - Desenhar, programar e aplicar algoritmos baseados em IA de suporte à interação entre humanos e PV; OA4 - Desenhar e implementar soluções inovadoras baseadas em IA para domínios de aplicação de PV.

Conteúdos Programáticos / Syllabus

Os Conteúdos Programáticos (CP) desta unidade curricular cobrem os seguintes tópicos essenciais à utilização de técnicas de IA para o desenho e implementação de Personagens Virtuais (PV): CP1 - Fundamentos da IA para PV: planeamento; teoria da decisão; arquiteturas cognitivas; aprendizagem automática. CP2 - Fundamentos do design de PV: morfologia; modelação e animação 3D; experiências interativas; perceção humana. CP3 - Comportamento individual de PV: locomoção e navegação; interação física com ambiente; realização de tarefas. CP4 - Comportamento coletivo de PV: trabalho em equipa; comportamento social; multidões e enxames. CP5 - Comunicação em PV: comunicação verbal e não-verbal; sistemas de diálogo (não-)linear. CP6 - Interação humano-PV: interfaces e interação; comportamento afetivo e social. CP7 - Aspetos técnicos do desenvolvimento de PV, utilizando pacotes de software existentes. CP8 - Estudo de casos de aplicação, tais como vídeos jogos e aplicações interativas.

Demonstração da coerência dos conteúdos programáticos com os objetivos de aprendizagem da UC / Evidence that the curricular units content dovetails with the specified learning outcomes

Os conteúdos programáticos CP1 visam ensinar as bases da inteligência artificial essenciais para a aprendizagem dos algoritmos de controlo de Personagens Virtuais (PV) (OA2) e de interação de PV com humanos (O3). Os conteúdos programáticos CP2 visam ensinar as bases do design de PV para que os estudantes aprendam a modelar e animar personagens virtuais realistas (OA1). Os conteúdos programáticos CP3 e CP4 visam ensinar as bases dos algoritmos de controlo de PV individuais e respetivos coletivos (OA2). Os conteúdos programáticos CP5 e CP6 visam ensinar as bases dos algoritmos de comunicação interação entre humanos e PV (OA3). Os conteúdos programáticos CP7 e CP8 visam ensinar os aspetos técnicos e aplicacionais do desenvolvimento de PV (OA4).

Avaliação / Assessment

Avaliação ao longo do semestre: - Nota final: Projeto Prático em Grupo (PPG) (60% da nota final) + Avaliação Escrita Individual (AEI) (40% da nota final). - Projeto Prático em Grupo (PPG): desenvolvido em grupo ao longo do semestre, com demonstração de progresso semanal, entregas e discussões orais intermédias e finais; discussões orais poderão incluir uma componente de avaliação escrita individual relativa ao projeto caso o docente assim o determine; a entrega final do PPG terá de ser realizada até à data limite indicada no seu enunciado, data essa que ocorrerá exclusivamente durante a 1ª Época de Avaliação; o PPG não poderá ser entregue na 2ª Época de Avaliação; as discussões orais finais do PPG realizam-se em grupo após a entrega final, na(s) data(s) indicada(s) no seu enunciado; apesar do PPG ser desenvolvido em grupo, a nota a atribuir a cada estudante do grupo é individualizada em função da contribuição do estudante para o PPG e a prestação do estudante na discussão oral. - Avaliação Escrita Individual (AEI): 2 Mini-Testes escritos individuais realizados ao longo do semestre (50%+50% da AEI) ou 1 Teste escrito individual realizado na 2ª Época de Avaliação (100% da AEI); nota na AEI inferior a 7.5 valores (de um máximo de 20 valores) resulta em reprovação na UC. - Com excepção dos momentos de avaliação, que requerem presença obrigatória para a sua realização, não existem critérios mínimos de assiduidade. Avaliação por Exame: - Dado o caráter iminentemente prático desta UC, não existe a possibilidade de Avaliação por Exame (em conformidade com o Ponto 3 do Art. 7.º do RGACC). Melhoria de nota: - Dado o caráter iminentemente prático desta UC, não existe a possibilidade de melhoria de nota no Projeto Prático em Grupo (PPG), podendo apenas ser realizada melhoria de nota na Avaliação Escrita Individual (AEI), em conformidade com o Ponto 4 do Art. 18.º do RGACC. Época Especial: - Nota final: Projeto Prático Especial (PPE) (60% da nota final) + Teste Escrito Individual (TEI) (40% da nota final). - Projeto Prático Especial (PPE): projeto desenvolvido em grupo ou individualmente, de acordo com decisão do docente; características, entregáveis, critérios de avaliação e esforço de desenvolvimento do PPE equiparáveis ao PPG da 1ª Época de Avaliação; o enunciado do PPE poderá ser diferente do enunciado do PPG da 1ª Época de Avaliação; caso o estudante tenha obtido nota no PPG na 1ª Época de Avaliação, essa nota pode ser diretamente atribuída ao PPE; para poder realizar PPE e requerer o respetivo enunciado, o estudante terá de informar o docente dessa sua intenção, por e-mail, até 2 meses antes da data de início da Época Especial de Avaliação. - Teste Escrito Individual (TEI): teste realizado na Época Especial de Avaliação; nota no TEI inferior a 7.5 valores (de um máximo de 20 valores) resulta em reprovação na UC.

Metodologias de Ensino / Teaching methodologies

As aulas são divididas em dois módulos. O primeiro módulo engloba aulas teóricas expositivas intercaladas com aulas teórico-práticas baseadas num conjunto de fichas de trabalho. O segundo módulo é composto por aulas laboratoriais, onde os alunos serão introduzidos ao projeto prático e acompanhados no seu desenvolvimento. Como trabalho autónomo, espera-se que os alunos pesquisem e analisem literatura relevante e realizem a implementação do projeto prático.

Demonstração da coerência das metodologias de ensino e avaliação com os objetivos de aprendizagem da UC / Evidence that the teaching and assessment methodologies are appropriate for the learning outcomes

Esta UC exige a aprendizagem de vários conceitos teóricos relativos à aplicação da inteligência artificial aos personagens virtuais, que são de suma importância para a compreensão e compreensão da diversificada gama de conteúdos programáticos. Consequentemente, as aulas teóricas são meticulosamente concebidas de forma a abranger e cobrir integralmente todos os objetivos de aprendizagem especificados. As aulas teórico-práticas proporcionam aos alunos um espaço para a experimentação prática com personagens virtuais e a aplicação dos conhecimentos transmitidos durante as aulas teóricas. Por exemplo, nas aulas teóricas, os alunos são apresentados e ensinados detalhadamente sobre algoritmos de inteligência artificial. Posteriormente, nas aulas teórico-práticas, os alunos têm a oportunidade de implementar estes algoritmos através de exercícios práticos e projetos, reforçando e solidificando assim a sua experiência de aprendizagem. Estes conhecimentos adquiridos são avaliados diretamente através de dois testes que os alunos têm de realizar ao longo do semestre. Estas provas têm como objetivo avaliar com rigor a compreensão e o domínio dos alunos sobre os conceitos teóricos lecionados nas aulas. Adicionalmente, estes conhecimentos são avaliados indiretamente através do projeto prático de grupo, onde se espera que os alunos apliquem os conceitos teóricos aprendidos num ambiente colaborativo e prático, concretamente aplicando algoritmos de inteligência artificial a personagens virtuais. Esta abordagem dupla de avaliação garante uma avaliação abrangente das habilidades e compreensão dos alunos. Na segunda metade do semestre, as aulas teórico-práticas centram-se predominantemente no acompanhamento e apoio aos projetos práticos de grupo. Este período é crucial porque garante que estes projetos são desenvolvidos de acordo com as boas práticas estabelecidas no domínio científico. Dado que os temas relativos a personagens virtuais são frequentemente alvo de atualizações e inovações frequentes, é fundamental dotar os alunos de competências de raciocínio crítico, bem como de capacidade de pesquisa e análise de literatura técnica e científica. Este processo de aquisição de conhecimento é facilitado pela experiência prática que os alunos adquirem ao trabalhar nos seus projetos práticos. Os projetos fornecem um contexto real para os alunos aplicarem o que aprenderam, incentivando uma compreensão mais profunda e a retenção do conhecimento. Além disso, o apoio e a orientação dos professores durante o desenvolvimento desses projetos desempenham um papel significativo na melhoria da experiência de aprendizagem dos alunos. Os professores não só ajudam a resolver quaisquer dificuldades que os alunos possam encontrar, mas também fornecem ideias e conselhos sobre como abordar problemas e desafios de forma eficaz.

Observações / Observations

--

Bibliografia Principal / Main Bibliography

[B1] Parent, R. (2012). Computer animation: algorithms and techniques. Newnes. [B2] Russell, S. J., & Norvig, P. (2010). Artificial intelligence a modern approach. London. [B3] Alpaydin, E. (2020). Introduction to machine learning. MIT press. [B4] Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT press. [B5] Sutton, R. S., & Barto, A. G. (2018). Reinforcement learning: An introduction. MIT press.

Bibliografia Secundária / Secondary Bibliography

[B6] Schell, J. (2008). The Art of Game Design: A book of lenses. CRC press. [B7] Dix, A. (2003). Human-computer interaction. Pearson Education. [B8] Shirley, P., Ashikhmin, M., & Marschner, S. (2009). Fundamentals of computer graphics. AK Peters/CRC Press.

Data da última atualização / Last Update Date

2024-07-22