Datos Identificativos 2022/23
Asignatura (*) Robótica Intelixente II Código 614544020
Titulación
Máster Universitario en Intelixencia Artificial
Descriptores Ciclo Período Curso Tipo Créditos
Mestrado Oficial 2º cuadrimestre
Primeiro Optativa 6
Idioma
Inglés
Modalidade docente Presencial
Prerrequisitos
Departamento Ciencias da Computación e Tecnoloxías da Información
Coordinación
Duro Fernández, Richard José
Correo electrónico
richard.duro@udc.es
Profesorado
Duro Fernández, Richard José
Monroy Camafreita, Juan
Paz López, Alejandro
Correo electrónico
richard.duro@udc.es
juan.monroy@udc.es
alejandro.paz.lopez@udc.es
Web
Descrición xeral O obxectivo principal desta disciplina é coñece-los procesos básico da robótica intelixente: representación, toma de decisións e establecemento de obxectivos, entre outros. Como soporte a estes procesos, tratarase de forma práctica a aplicación de técnicas de aprendizaxe en robótica autónoma. Introducirase ó alumno nas bases conceptuais da robótica cognitiva e a intelixencia artificial xeral (AGI) aplicada á robótica. Todos estes conceptos serán tratados cun enfoque práctico mediante a programación de robots reais ou simulados.

Competencias do título
Código Competencias do título
A18 CE17 - Comprender e asimilar as capacidades e limitacións dos sistemas robóticos intelixentes actuales, así como das tecnologías que os sustentan
A19 CE18 - Desenvolver a capacidade de elixir, deseñar e implementar estratexias basadas en intelixencia artificial para dotar a sistemas robóticos, tanto individuáis como coletivos, das capacidades necesarias para realizar as súas tarefas de xeito apropiado conforme aos obxectivos e restriccións que se plantexen
B1 CG01 - Manter e extender os plantexamentos teóricos fundados para permitir a introducción e explotación de tecnoloxías novas e avanzadas no eido da Intelixencia Artificial
B2 CG02 - Abordar con éxito todas as etapas dun proxecto de Intelixencia Artificial
B3 CG03 - Buscar e seleccionar a información útil necesaria para resolver problemas complexos, manexando con soltura as fontes bibliográficas do campo
B6 CB01 - Poseer e comprender coñecementos que aporten unha base ou oportunidade de ser orixináis no desenvolvemento e/ou aplicación de ideas, a miúdo nun contexto de investigación
B7 CB02 - Que os estudantes saiban aplicar os coñecementos adquiridos e posúan capacidade de resolución de problemas en entornos novos ou pouco coñecidos dentro de contextos máis amplos (ou multidisciplinares) relacioados coa su área de estudo
B9 CB04 - Que os estudantes saiban comunicar as súas conclusións e os coñecementos e razóns últimas que as sustentan a públicos especializados e non especializados dun xeito claro e sen ambigu?idades
C3 CT03 - Utilizar as ferramientas básicas das tecnoloxías da información e as comunicacións (TIC) necesarias para o exercicio da súa profesión e para a aprendizaxe ao longo da súa vida
C5 CT05 - Entender a importancia da cultura emprendedora e coñecer os medios ao alcance das persoas emprendedoras
C7 CT07 - Desenvolver a capacidade de traballar en equipos interdisciplinares ou transdisciplinares, para ofrecer propostas que contribúan a un desenrolo sostible ambiental, económico, político e social
C8 CT08 - Valorar a importancia que ten a investigación, a innovación e o desenrolo tecnolóxico no avance socioeconómico e cultural da sociedade

Resultados de aprendizaxe
Resultados de aprendizaxe Competencias do título
Coñecer os diferentes elementos dunha arquitectura cognitiva tal e como se adoitan implementar nos robots autónomos. AM17
BM1
BM6
Coñecer as particularidades das técnicas de aprendizaxe cando son usadas en robótica, prestando especial atención á aprendizaxe aberta e continua, así como o orientado á colaboración, xa sexa con outros robots ou con humanos, para a resolución de problemas. AM18
BM2
CM3
CM5
Saber implementar, aínda que sexa de forma simplificada, exemplos / elementos de todo o visto en teoría (compoñentes dunha arquitectura cognitiva, métodos de aprendizaxe). BM3
BM7
BM9
CM7
CM8

Contidos
Temas Subtemas
Razoamento e toma de decisións.
Representación e modelado
Aprendizaxe en robótica (tempo real, incerteza, adaptación á contorna).
Arquitecturas cognitivas en robótica autónoma: mecanismos de motivación e atención, redescripción e consolidación do coñecemento, tipos de memoria, developmental robotics. Open- ended learning.

Planificación
Metodoloxías / probas Competencias Horas presenciais Horas non presenciais / traballo autónomo Horas totais
Prácticas de laboratorio A19 B2 B3 C7 14 42 56
Traballos tutelados B7 B9 C5 C8 7 42 49
Sesión maxistral A18 B1 B6 C3 21 21 42
 
Atención personalizada 3 0 3
 
*Os datos que aparecen na táboa de planificación son de carácter orientativo, considerando a heteroxeneidade do alumnado

Metodoloxías
Metodoloxías Descrición
Prácticas de laboratorio Sesións de laboratorio ou remotas mediante TICs nas que se explicarán as características da plataformas robóticas seleccionadas para a asignatura e o seu software de programación. Ademáis, estas clases serán utilizadas para que os alumnos programen e proben no robot real os controladores que van facendo para os traballos tutelados.
Traballos tutelados Prácticas nas que se implementarán algunhas das técnicas vistas nas clases teóricas sobre entornos de simulación de robots y las plataformas robóticas seleccionadas polos profesores da asignatura. Estes traballos serán realizados polos alumnos de forma autónoma e o seu avance será tutorizado polos profesores
Sesión maxistral Exposición oral por parte dos profesores da materia do temario teórico. Poderase hibridizar esta metodoloxía cunha metodoloxía de aprendizaxe colaborativo.

Atención personalizada
Metodoloxías
Prácticas de laboratorio
Traballos tutelados
Descrición
Realizarase un seguemento dos alumnos resolviendo dudas e discutindo con eles a evolución dos traballos tutelados e prácticas asignadas.

Avaliación
Metodoloxías Competencias Descrición Cualificación
Sesión maxistral A18 B1 B6 C3 Ver abaixo 30
Prácticas de laboratorio A19 B2 B3 C7 Ver abaixo 50
Traballos tutelados B7 B9 C5 C8 Ver abaixo 20
 
Observacións avaliación

A avaliación da materia constará de dous partes
diferenciadas: teoría (50%) e traballos prácticos (50%). A parte teórica será
avaliada mediante un exame que poderá consistir nun traballo de análise de
bibliografía científica relacionada co temario da materia, presentado oralmente
o día do exame final. A parte práctica avaliarase a partir da media das
memorias presentadas ao final de cada práctica. Será necesario aprobar a parte
de teoría e a de prácticas por separado para poder aprobar a materia.

A asistencia tanto ás clases teóricas como prácticas será
obrigatoria para o aprobado da materia excepto en casos de ausencia
xustificados. Para aqueles alumnos que teñan dispensa, o sistema de avaliación
será o mesmo aínda que que non terán obrigación de asistir ás clases teóricas.

Avaliación de segunda oportunidade: Os alumnos deberán
recuperar cada parte suspensa (teoría e-ou prácticas). Se unha das dúas partes
foi aprobada durante a primeira oportunidade, o alumno poderá optar por gardar
a nota correspondente e só recuperar a parte suspensa.

Os alumnos serán avaliados como "non presentado"
cando non presenten o traballo de análise de teoría ou algunha das memorias de
prácticas.

As competencias propias da materia así como as competencias
xerais-básicas teñen contidos específicos na materia que se introducen, como se
indicou, tanto nas clases expositivas como nas interactivas. Posteriormente o
alumnado desenvolverá estas competencias no exame teórico e coa realización dos
traballos prácticos nos que tamén traballará as competencias transversais en
especial no que se refire á capacidade para utilizar ferramentas TIC (CT3), a
comprensión da cultura emprendedora (CT5), a capacidade para traballar en
equipo (CT7) e a valorización da investigación e a innovación (CT8). As
competencias específicas serán obxecto de avaliación tanto nos traballos
prácticos que o alumno desenvolva durante a materia como no exame teórico.

Para os casos de
realización fraudulenta de exercicios ou probas será de aplicación o
establecido na “Normativa de avaliación do rendemento académico dos estudantes
e de revisión das cualificacións”.


Fontes de información
Bibliografía básica Robin R. Murphy (2019). Introduction to AI Robotics, 2nd Edition,. MIT Press
Rolf Pfeiffer, Josh Bongard (2006). How the Body Shapes the way we Think.. MIT Press
Richard S. Sutton, Andrew G. Barto (2018). Reinforcement Learning: An Introduction, 2nd Edition.
Bruno Siciliano, Oussama Khatib (2016). Springer Handbook of Robotics, 2nd Edition. . Springer

Bibliografía complementaria


Recomendacións
Materias que se recomenda ter cursado previamente
Aprendizaxe Automática I/614544012
Robótica Intelixente I/614544019

Materias que se recomenda cursar simultaneamente

Materias que continúan o temario

Observacións

Para axudar a conseguir unha contorna inmediata sustentable e cumprir co obxectivo da acción número 5: "Docencia e investigación saudable e sustentable ambiental e social" do "Plan de Acción Green Campus Ferrol" a entrega dos traballos documentais que se realicen nesta materia: 

1. Solicitarase en formato virtual e/ou soporte informático 

2. Realizarase a través de Moodle, en formato dixital sen necesidade de imprimilos 

3. De se realizar en papel: 

- Non se empregarán plásticos. 

- Realizaranse impresións a dobre cara. 

- Empregarase papel reciclado. 

- Evitarase a impresión de borradores.



(*)A Guía docente é o documento onde se visualiza a proposta académica da UDC. Este documento é público e non se pode modificar, salvo casos excepcionais baixo a revisión do órgano competente dacordo coa normativa vixente que establece o proceso de elaboración de guías