K-INFO
HU
EN
Belépés

Intelligens robotok

Intelligent Robots
A tantárgyleírás hatályossága
Hatályosság kezdete:
Hatályosság vége:
Tantárgy neve (magyarul, angolul)
Intelligens robotok
Intelligent Robots
Tantárgykód BMEVIFO5013
Tantárgyjelleg
Képzési szint
Kurzustípusok és óraszámok (heti/féléves)
Kurzustípus elmélet gyakorlat laboratóriumi gyakorlat
óraszám (heti) 4 0 0
jelleg (kapcsolt/önálló)
Tanulmányi teljesítmény/értékelés típusa vizsga
Tantárgy kreditértéke 5
Tantárgyfelelős
Dr. Lantos Béla
beosztás: egyetemi tanár
elérhetőség: lantos@iit.bme.hu
Tantárgyat gondozó oktatási szervezeti egység
Kar
Tantárgy weboldala
Tantárgy elsődleges mintatantervi jellege
Közvetlen előkövetelmények – Erős előkövetelmény nincs
Közvetlen előkövetelmények – Gyenge előkövetelmény nincs
Közvetlen előkövetelmények – Párhuzamos előkövetelmény nincs
Közvetlen előkövetelmények – Mérföldkő előkövetelmény nincs
Közvetlen előkövetelmények – Kizáró feltétel nincs

Célkitűzés

Tantárgyprogram

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.

A tárgy összefoglalja a korszerű (szenzorcsatolt, kooperáló, mobilis) robotrendszerek elméleti alapjait, bemutatja a más tárgyakban elsajátított ismeretek felhasználását robotrendszerekben, továbbá az ilyen rendszerek tervezésénél alkalmazható villamosmérnöki és informatikusi módszereket.

Tanulmányi eredmények

Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:

Tudás

Nincsenek rögzített tanulási eredmények.

Képességek

Nincsenek rögzített tanulási eredmények.

Attitűd

Nincsenek rögzített tanulási eredmények.

Autonómia és felelősség

Nincsenek rögzített tanulási eredmények.

Oktatási módszertan

(előadás, gyakorlat, laboratórium): A tantárgy előadásból áll, amelynek anyagába beillesztésre kerülnek az elméletet magyarázó illusztrációs példák és esettanulmányok.

Tanulástámogató anyagok

Online források
Lantos Béla: Fuzzy systems and genetic algorithms. Műegyetemi Kiadó, 2002.; Tzafestas, S.G. (ed.): Intelligent robotic systems. Dekker Inc., 1991.; Rembold, U. - Hörmann, K. (ed.): Languages for sensor-based robotics. Springer, 1987.; Dillmann, R.: Lernende Roboter, Springer, 1988.; Kanade, T.: Three-dimensional machine vision. Kluwer Academic Publishers, 1987.; Venkataraman, S.T.-Tberall, lT.(ed.): Dextrous robot hands, Springer, 1990.; de Wit, C.C.-Siciliano, B.-Bastin, G. (ed.): Theory of robot control. Springer, 1997.; Tzafestas, S.G.: Advances in manufacturing. Springer, 1999.

A tantárgy teljesítéséhez ajánlott előzetes ismeretek

Tudás típusú kompetenciák
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
Robotok irányítása, Irányításelmélet
Képesség típusú kompetenciák
(azon előzetes képességek és készségek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
Ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák
(azon ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák összessége, amelyek jelentősen hozzájárulnak a tantárgy eredményes teljesítéséhez)
Robotok irányítása, Irányításelmélet
Általános szabályok
Követelmények: a. A szorgalmi időszakban: 1 zárthelyi, vizsgába beszámít (20%). Az aláírás feltétele legalább elégséges osztályzat a ZH-ra. A vizsgára bocsátás feltétele: aláírás. b. A vizsgaidőszakban: írásbeli vizsga; Pótlási lehetőségek: Sikertelen nagy ZH egyszer pótolható a szorgalmi időszakban vagy egy alkalommal a vizsgaidőszak harmadik hetének végéig.
Teljesítményértékelési módszerek
Szorgalmi időszakban végzett teljesítményértékelések részletes leírása

Nincs megadva részletes értékelés.

Szorgalmi időszakban végzett teljesítményértékelések részaránya

Nincs megadva részarány.

Vizsgaidőszakban végzett teljesítményértékelések részletes leírása

Nincs megadva részletes értékelés.

Vizsgarészek részaránya

Nincs megadva részarány.

Érdemjegy megállapítása

Nincs megadva érdemjegy határ.

Jelenléti és részvételi követelmények

Nincs megadva jelenléti követelmény.

Javítás, ismétlés és pótlás különös szabályai

Nincs megadva.

Rövid leírás

Nincs megadva.

Részletes leírás

Nincs megadva.

Ajánlott tantárgyak
Robotok irányítása (vifo-3039)
A tantárgy elvégzéséhez szükséges tanulmányi munka

Nincs megadva munkaidő bontás.

Tantárgykövetelmények hatályossága
Tantárgykövetelmények hatályosságának kezdete:
Tantárgykövetelmények hatályosságának vége:
Tantervi elhelyezés

Nincsenek rögzített tantervi elhelyezések ehhez a tárgyverzióhoz.