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 estatísticas. "
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
"Após a conclusão desta unidade curricular o estudante deverá ficar apto a: OA1 - Compreender e utilizar os fundamentos da inteligência artificial necessários ao desenho e implementação de personagens virtuais; OA2 – Compreender e utilizar os fundamentos do desenho de personagens virtuais realistas e envolventes; OA3 – Compreender, programar e utilizar os algoritmos para comportamento autónomo individual e coletivo de personagens virtuais; OA4 - Compreender, programar e utilizar os algoritmos para interação entre humanos e personagens virtuais; OA5 – Conhecer e contribuir para domínios de aplicação de personagens virtuais. "
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 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
"A interligação entre os Conteúdos Programáticos (CP) e os Objetivos de Aprendizagem (OA) são os seguintes: OA1: CP1; OA2: CP2; OA3: CP3, CP4; OA4: CP5, CP6; OA5: CP7, CP8."
Avaliação / Assessment
"Avaliação Periódica: - 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 acompanhamento frequente, demonstração de progresso semanal, assim como entregas e discussões orais intermédias e finais; 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. Avaliação por Exame: - Dado o caráter iminentemente prático desta unidade curricular, não existe a possibilidade de Avaliação por Exame (após aprovação da Comissão Pedagógica da ISTA em conformidade com o Ponto 3 do Art. 7.º do RGACC). Melhoria de nota: - Dado o caráter iminentemente prático desta unidade curricular, 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, podendo o docente requerer sessões de avaliação de progresso; 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 unidade curricular. "
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
Os objetivos de aprendizagem cobrem aspectos de modelação e implementação, sendo, portanto, essencial a transferência de conhecimento teórico aliado ao desenvolvimento de competências de carácter prático. Por esta razão as metodologias de aprendizagem incluem componentes expositivas, participativas e ativas. Sendo as matérias leccionadas nesta unidade curricular objeto de frequente inovação, torna-se essencial dotar o estudante de competências de pesquisa e análise de literatura técnica e científica. A forte componente de trabalho autónomo considerada procura promover essas competências.
Observações / Observations
--
Bibliografia Principal / Main Bibliography
'-Acetatos das aulas teóricas e guiões de laboratório disponibilizados no Moodle.
-Conjunto de artigos científicos disponibilizados no Moodle.
-Parent, R. (2012). Computer animation: algorithms and techniques. Newnes.
-Russell, S. J., & Norvig, P. (2010). Artificial intelligence a modern approach. London.
-Alpaydin, E. (2020). Introduction to machine learning. MIT press.
-Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT press.
-Sutton, R. S., & Barto, A. G. (2018). Reinforcement learning: An introduction. MIT press.
-Sutton, R. S., & Barto, A. G. (2018). Reinforcement learning: An introduction. MIT press.
Bibliografia Secundária / Secondary Bibliography
'- Schell, J. (2008). The Art of Game Design: A book of lenses. CRC press.
- Dix, A. (2003). Human-computer interaction. Pearson Education.
- Shirley, P., Ashikhmin, M., & Marschner, S. (2009). Fundamentals of computer graphics. AK Peters/CRC Press.
Data da última atualização / Last Update Date
2024-04-19