Tópicos em Robótica Inteligente

Código:

M.IA007

Sigla:

TRI

Áreas Científicas
Classificação	Área Científica
OFICIAL	Engenharia Informática
OFICIAL	Ciência de Computadores

Ocorrência: 2024/2025 - 2S

Ativa?	Sim
Unidade Responsável:	Departamento de Engenharia Informática
Curso/CE Responsável:	Mestrado em Inteligência Artificial

Ciclos de Estudo/Cursos

Sigla	Nº de Estudantes	Plano de Estudos	Anos Curriculares	Créditos UCN	Créditos ECTS	Horas de Contacto	Horas Totais
M.IA	59	Plano de estudos oficial	1	-	6	43	162

Língua de trabalho

Inglês

Objetivos

Objectivos:

• Compreender os conceitos básicos de Robótica e o enquadramento da Inteligência Artificial na Robótica.


• Estudar métodos de perceção e interpretação sensorial (com ênfase na visão por computador) que permitam criar estados do mundo precisos e métodos de localização de robôs móveis.


• Estudar os métodos que permitam a robôs móveis navegarem em ambientes conhecidos ou desconhecidos usando algoritmos de Planeamento e Navegação.


• Estudar os fundamentos da interação humano-robô, da aprendizagem para robôes, robótica cooperativa e da construção de equipas de robôs.


• Analisar as principais competições robóticas nacionais e internacionais, os simuladores robóticos mais realistas e as plataformas robóticas mais avançadas disponíveis no mercado.


• Incentivar capacidade de comunicação em tópicos técnicos.


• Incentivar abordagens científicas saudáveis.

Resultados de aprendizagem e competências

Espera-se que, no final da UC, os estudantes sejam capazes de:

• Definir Autonomia em Sistemas Robóticos
• Definir Sistemas Robóticos Inteligentes
• Explicar o enquadramento da Inteligência Artificial em Sistemas Robóticos Inteligentes
• Identificar as aplicações da Robótica Inteligente
• Identificar e utilizar as Arquiteturas clássicas para controlo em Robótica
• Conhecer o Estado da Arte em Sistemas Robóticos Inteligentes
• Conhecer os sensores e atuadores mais comuns utilizados em robótica e métodos de interpretação sensorial
• Avaliar a utilização de sistemas de visão comparativamente a outros métodos
• Aplicar métodos de fusão sensorial, métodos do âmbito da Inteligência Artificial e métodos de processamento de sinal e de visão para construir Estados do Mundo
• Aplicar métodos de localização,  mapeamento, planeamento e navegação em robótica
• Conhecer e utilizar uma ou mais plataformas robóticas e/ou de simulação robótica
• Conhecer e utilizar metodologias de interacção, aprendizagem e cooperação para robótica. 

Modo de trabalho

Presencial

Pré-requisitos (conhecimentos prévios) e co-requisitos (conhecimentos simultâneos)

É necessária experiência em programação, qualquer linguagem.
Linguagens frequentemente utilizadas na UC são C++ e Python.
Conhecimentos básicos de Inteligência Artificial.

Programa

1. Introdução à Robótica Inteligente:
   Conceitos Básicos de Robótica, Inteligência Artificial em Robótica; Áreas e Aplicações de Robôs Inteligentes; Ciclo Percepção-Decisão-Ação; Arquiteturas para Agentes Robóticos; Competições Robóticas; Simulação e Simuladores Robóticos; História, Evolução e Tendências Atuais em Robótica Inteligente.


2. Middleware para Robótica e ROS:
   Middleware e Middleware para Robótica; Projetos de Middleware em Robótica; Introdução ao ROS - Robot Operating System; Arquitetura ROS; Comandos da Consola ROS; Criação de Pacotes ROS; ROS C++ Client Library; Simulação em ROS; Visualizações e Ferramentas de Interface; ROS Bags.


3. Percepção e Interpretação Sensorial:
   Tipos de Sensores para Robôs Móveis; Proximidade / Sensores de Contato; Sensores de Posição/Movimento; Visão Robótica (Camaras, Sensores de Profundidade, Imagem Digital, Espaços de Cores, Processamento e Análise de Imagem; “Robot Hearing”; Análise e Representação de Incerteza; Técnicas de Fusão Sensorial.


4. Locomoção e Ação:
   Atuadores para Robôs Móveis; Modos e Mecanismos de Locomoção; Robôs com Rodas; Robôs com Pernas e Walking Bípede; Manipuladores Robóticos e seu Controle; Cinemática de Robôs Móveis e Controle de Movimento; Simulação de Locomoção e Ação.


5. Localização e Mapeamento:
   Mapas e Estados do Mundo; Mapas Métricos e Mapas Topológicos; Localização de Markov, Gaussian e Grid; Filtros de Kalman e Localização de Filtros de Kalman Estendidos; Filtros de Partículas e Localização de Monte-Carlo; SLAM - Localização e Mapeamento Simultâneos; Métodos para SLAM (EKF-SLAM, FastSLAM e Graph SLAM).


6. Planeamento e Navegação:
   Planeamento de Caminho em Ambientes Conhecidos/Desconhecidos; Decomposição Celular; Visibility Graphs; Diagramas de Voronoi; Algoritmos de Pesquisa, Dijkstra, A * e D *; Método de Campo Potencial; Desvio de Obstáculos; Arquiteturas de Navegação; Métodos de Exploração do Mundo; Planeamento de Alto Nível.


7. Interação Humano-Robô (IHR):
   Noções Básicas de Interação Humano-Computador; Perceção para IHR; Decisão para IHR; Ação para IHR; Cooperação Inteligente Humano-Robô.


8. Aprendizagem para Robótica:
   Introdução e Desafios na Aprendizagem de Robôs; Redução de Dimensionalidade; Aprendizagem Supervisionada; Aprendizagem Evolutiva para Robótica; Aprendizagem por Reforço para Robótica; Otimização e Metaheurísticas para Robótica; Self-Supervised, Imitation e Deep Learning para Robótica; Aprendizagem Multi-Robô.


9. Robótica Cooperativa e Equipas Humano-Robô:
   Cooperação entre Robôs para Trabalho em Equipa; Intenções Conjuntas, TAEMS, Baseada em Papéis, Regras Sociais; Formações Multi-Robô; Comunicação Multi-Robô; Locker-Room, Coordenação Estratégica, Setplays; Swarm Robotics; Equipas Humano-Robô.


10. Robótica no Futuro:
    Inteligência Artificial e Robótica no Futuro; Visões, Ficção Científica e Realidade; Projetos Avançados em Robótica em Portugal, UE, Japão e EUA; Asimov Laws e o seu Futuro; Ética Robótica, Direitos dos Robôs e Robotic Governance; Robôs Industriais, Pessoais, Ubiquos e Cloud; Tendências Futuras e Aplicações em Robótica; A Singularidade?

Bibliografia Obrigatória

Russell, S. & Norvig, P. ; Artificial Intelligence: A Modern Approach, Pearson Education Limited, 2022
Murphy, R. R. ; An Introduction to AI Robotics, MIT Press., 2019
Siciliano, B. & Khatib, O. ; Springer Handbook of Robotics,, Springer, 2016

Métodos de ensino e atividades de aprendizagem

• Exposição com interação nas aulas


• Exemplos apresentados relativos a projetos desenvolvidos pelos docentes. 


• Possível uso de simuladores para navegação de robôs móveis e robôs Humanoides


• Trabalhos sobre robótica cooperativa


• Exploração de diversas plataformas robóticas móveis


• A avaliação inclui capacidade de pesquisa, trabalho científico e técnico e ainda capacidade de comunicação relativo ao trabalho apresentado. É incentivado pensamento de ordem elevada


• Será dado feedback dos trabalhos intermédios durante a UC para que o melhoramentos possa ser incorporado na apresentação final

Tipo de avaliação

Avaliação distribuída sem exame final

Componentes de Avaliação

Designação	Peso (%)
Participação presencial	20,00
Apresentação/discussão de um trabalho científico	20,00
Trabalho prático ou de projeto	40,00
Trabalho escrito	20,00
Total:	100,00

Componentes de Ocupação

Designação	Tempo (Horas)
Elaboração de projeto	30,00
Estudo autónomo	50,00
Frequência das aulas	42,00
Apresentação/discussão de um trabalho científico	20,00
Trabalho de investigação	10,00
Trabalho escrito	10,00
Total:	162,00

Obtenção de frequência

Assiduidade e entrega dos Assignments 1 e 2.

Fórmula de cálculo da classificação final

• 20% HomeWorks, kahoots and in-class work [Lowest kahoot_in_class is removed from grade]


• 30% Basic Robot, Video and article, Presentation


• 50% Research project; Video and article, Presentation

Avaliação especial (TE, DA, ...)

• 20% Substitution Work


• 30% Basic Robot, Video and article, Presentation


• 50% Research project; Video and article, Presentation