A tantárgyleírás hatályossága
| Subject name (Hungarian, English) |
Intelligens robotok
Intelligent Robots
|
||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Subject code | BMEVIFO5013 | ||||||||||||
| Subject type | — | ||||||||||||
| Training Level | — | ||||||||||||
| Course types and hours (weekly/semester) |
|
||||||||||||
| Assessment type | vizsga | ||||||||||||
| Credits | 5 | ||||||||||||
| Subject coordinator |
Dr. Lantos Béla
position: egyetemi tanár
contact:
lantos@iit.bme.hu
|
||||||||||||
| Responsible department |
—
|
||||||||||||
| Faculty | |||||||||||||
| Subject website | — | ||||||||||||
| Primary curriculum type | — | ||||||||||||
| Direct prerequisites – Strong prerequisite | none | ||||||||||||
| Direct prerequisites – Weak prerequisite | none | ||||||||||||
| Direct prerequisites – Parallel prerequisite | none | ||||||||||||
| Direct prerequisites – Milestone prerequisite | none | ||||||||||||
| Direct prerequisites – Exclusion | none |
Objectives
I. Szenzorcsatolt robotirányítások (1-5. hét)
Robot szenzorok. Többkomponensű erő és nyomatékérzékelők. Taktilis szenzorok. Erő/nyomaték, taktilis és látási információ integrálása robotirányító rendszerekhez. Illesztési és párhuzamos feldolgozási feladatok.
CIM és mechatronikai rendszerek, szenzorcsatolt robotok. Szenzorcsatolt irányítás realizációja, a 2D és 3D látórendszerek működési elve, nyelvi feltételek, feladatleírás.
Távolságkép feldolgozás a robotikában. Tárgymodell és jelenet. Képfeldolgozásnál fellépő paraméterbecslési alapfeladat korlátozással. Sík, henger, gömb és kúpfelület paramétereinek meghatározása hisztogrammok alapján.
Modellillesztés a pozíció és az orientáció egyidejű meghatározásával (Faugeras módszere), kvaterniók és kiterjesztett Kalman-szűrő használata. Lényegkiemelés és modellillesztés Oshima-Shirai módszerével. Mozgás detektálása képben.
II. Mobilis robotok (6-7. hét)
Mobilis robotok osztályozása. Kereken és lábon járó robotok irányítási modelljei. Mobilis robotok szenzor és irányító rendszerei. Navigációs algoritmusokkal szemben támasztott általános követelmények.
Pályatervezési algoritmusok akadályok esetén. Térkép, mozgáskövetés. Ütközés elkerülési stratégiák multirobotos rendszerben. 3D mozgásszimuláció.
III. Kooperáló robotok (8. hét)
Kooperáló robotok irányítási modelljei és irányítási stratégiái.
Kooperáló robotok szenzor és irányító rendszerei. Ütközésmentes mozgástervezés.
IV. Intelligens kezek (9-10. hét)
Intelligens kezekkel végzett operációk, task primitívek, akciók. Az irányítási architektúra szintjei. Task kritériumok, végrehajtás, dekompozíció. A primitívek reprezentálása. Intelligens kéz felépítése, érzékelői, irányítási architektúrája.
Többujjas robotkezek kinematikája. A tárgy rekonfigurálásánál használt modellek, Montana-egyenlet, Peshkin-elv, globális és lokális mozgástervező.
Intelligens robot/kéz kamera kalibrációt nem használó sztereo képfeldolgozási rendszere. Kép előfeldolgozás, 3D projektív struktúra meghatározás, 2D tárgyfelismerés, euklédeszi transzformáció meghatározás.
Intelligens robot/kéz virtuális valóság rendszerének (VR) feladatai. A gyors ütközésdetektálás hierarchikus felépítése, valósidejű ütközésdetektáló algoritmusok. Kalibrált virtuális valóság és robot teleoperáció.
V. Robotrendszerek mesterséges intelligencia eszközei (11-12. hét)
A gépi tanulás fejlődési irányai. Tanuló rendszerek alapstruktúrái. Tanuló automaták modelljei.
Fuzzy automata mint robotirányítási modell. Tudásalapú, adaptív fuzzy-elvű robotirányítások.
Neurális hálózatok alkalmazása robotirányítási algoritmusokban és hierarchikus robotrendszerekben. Neuro-fuzzy rendszerek.
Genetikus és evolúciós algoritmusok. Szelekciós sémák, genetikus operátorok, visszahelyettesítési elvek. A genetikus algoritmusok alkalmazása a rendszeroptimalizálásban és a gyártási folyamatok ütemezésében.
VI. Beszédfeldolgozás (13-14. hét)
Beszédfelismerő rendszer felépítése. Előfeldolgozás. A mintaillesztés módszere modell és megfigyelés hasonlóságának vizsgálatára. A kapcsoltszavas felismerés alapelve. A Level-building és a One-Pass algoritmus. A beszédfelismerésben használt nyelvtanfajták.
A beszédfelismerés rejtett Markov-láncon (HMM) alapuló modellje. A HMM három alapproblémája. A HMM első (felismerési) problémájának megoldása: forward algoritmus.
Learning outcomes
Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:
Knowledge
No learning outcomes recorded.
Skills
No learning outcomes recorded.
Attitudes
No learning outcomes recorded.
Autonomy and responsibility
No learning outcomes recorded.
Oktatási módszertan
Tanulástámogató anyagok
Not provided.
Recommended preliminary knowledge for completing the subject
General rules
Assessment methods
In-term assessments
No detailed assessments provided.
Weight of in-term assessments
No weights provided.
Exam-period assessments
No detailed assessments provided.
Weight of exam elements
No weights provided.
Grade calculation
No grade thresholds provided.
Attendance requirements
No attendance requirements provided.
Rules for retake and resubmission
Not provided.
Short description
Not provided.
Detailed description
Not provided.
Recommended courses
Workload to complete the subject
No workload breakdown provided.
Validity of subject requirements
Curriculum placement
No curriculum placements recorded for this subject version.