Ficha Unidade Curricular (FUC)
Informação Geral / General Information
Carga Horária / Course Load
Área científica / Scientific area
Inteligência Artificial
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 robôs autónomos são capazes de fazer tarefas sem a constante orientação humana. Movem-se usando sensores como por exemplo câmaras ou scanners para perceber o ambiente e tomar decisões. Inicialmente usados em eletrodomésticos (Roomba) ou brinquedos (AIBO), os recentes avanços tecnológicos tornam robôs mais acessíveis. Nesta UC, estudam-se os avanços e desafios da área. Os objetivos incluem desenvolver competências teóricas e práticas em sensores, locomoção, simulação, navegação, planeamento, controle usando inteligência artificial e sistemas com vários robôs. A parte prática permite implementar programas de controlo em simulação e testar em robot reais. Os conteúdos abordados possibilitam resolver problemas teóricos e práticos na robótica autónoma, envolvendo locomoção, deteção, localização, mapeamento, simulação e implementação de controladores com métodos de machine learning e deep learning. Este conhecimento prepara os alunos para os desafios da robótica autónoma.
Objetivos de Aprendizagem e a sua compatibilidade com o método de ensino (conhecimentos, aptidões e competências a desenvolver pelos estudantes) / Learning outcomes
"OA1- Compreender os conceitos fundamentais da robótica autónoma, incluindo princípios de controle e automação. OA2 - Demonstrar proficiência na programação e operação de plataformas robóticas. OA3 - Identificar, selecionar e integrar eficientemente diferentes sensores e atuadores utilizados em robótica autónoma. OA4 - Implementar técnicas avançadas de navegação, localização e mapeamento para permitir movimentos autónomos em ambientes dinâmicos. OA5 - Aplicar algoritmos de aprendizagem automática e deep learning para controlo de robôs. OA6 - Projetar e implementar sistemas de comunicação e cooperação entre múltiplos robôs autónomos para realizar tarefas complexas de forma coordenada. OA7 - Utilizar ferramentas de simulação para desenvolver e testar algoritmos de controle e comportamento em ambientes virtuais. OA8 - Analisar, selecionar e implementar arquiteturas de software eficientes para sistemas robóticos autónomos."
Conteúdos Programáticos / Syllabus
" Os Conteúdos Programáticos (CP) desta unidade curricular cobrem os seguintes tópicos essenciais à utilização de técnicas de Inteligência Artificial na robótica: CP1 - Introdução à robótica autónoma; CP2 -Middleware para Robótica e ROS; CP3 - Sensores e atuadores; CP4 - Locomoção; CP5 - Simulação; CP6 - Robótica baseada em comportamento; CP7 - Navegação, localização e mapeamento; CP8 - Planeamento; CP9 - Aprendizagem na Robótica (machine learning e deep learning); CP10 - Sistemas multi-robôs; CP11 - Arquiteturas de software."
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, CP3, CP4, CP5, CP6 OA3 – CP3. OA4 – CP4, CP7. OA5 – CP6, CP8, CP9 OA6 – CP10. OA7 – CP5, CP6, CP9 OA8 – CP11."
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
'- Introduction to AI robotics, by Robin R. Murphy, Second Edition, The MIT Press, 2019, ISBN: 0-262-13383-0
- Probabilistic Robotics, by Dieter Fox, Sebastian Thrun and Wolfram Burgard MIT Press 2005, ISBN: 9780262201629
- Autonomous Mobile Robots, by R. Siegwart, I. Nourbakhsh, and D. Scaramuzza, Second Edition, MIT Press, 2011.
- Introduction to Autonomous Mobile Robots, R. Siegwart and I. R. Nourbakhsh, The MIT Press, 2004, ISBN: 978-0262195027
- Autonomous Robots: From Biological Inspiration to Implementation and Control, George A. Bekey, The MIT Press, 2005, ISBN: 978-0262025782
- Bio-Inspired Artificial Intelligence: Theories, Methods, and Technologies, D. Floreano & C. Mattiussi, MIT Press, 2008, ISBN: 9780262062718
- The robotics primer, Maja J. Mataric, Cambridge : The MIT Press, 2007, ISBN: 9780262633543
Bibliografia Secundária / Secondary Bibliography
'- Evolutionary robotics, J. Bongard. Communications of the ACM 56(8): 74-85, 2013
- How The Body Shapes the Way we Think: A New View of Intelligence, R. Pfeifer & J. Bongard, MIT Press, 2007, ISBN: 9780262537421
- Probabilistic Robotics, S. Thrun, W. Burgard and D. Fox, MIT Press, 2005, ISBN: 978- 0262201629
- Evolutionary Robotics: The Biology, Intelligence, and Technology of Self-Organizing Machines, S. Nolfi and D. Floreano, MIT Press, 2004, ISBN: 978-0262640565
- Design and use paradigms for Gazebo, an open-source multi-robot simulator, N. Koenig and A. Howard, Proceedings of the IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2004), pp. 2149-2154, 2004
Data da última atualização / Last Update Date
2024-04-19