Kursplan för Atletisk intelligens i robotik

Kursplan fastställd 2024-12-19 av programansvarig (eller motsvarande).

Kursöversikt

  • Engelskt namnAthletic intelligence in robotics
  • KurskodTRA455
  • Omfattning7,5 Högskolepoäng
  • ÄgareTRACKS
  • UtbildningsnivåAvancerad nivå
  • InstitutionTRACKS
  • BetygsskalaTH - Mycket väl godkänd (5), Väl godkänd (4), Godkänd (3), Underkänd

Kurstillfälle 1

  • Undervisningsspråk Engelska
  • Anmälningskod 97239
  • Min. antal deltagare8
  • Sökbar för utbytesstudenterJa

Poängfördelning

0124 Projekt 7,5 hp
Betygsskala: TH		 7,5 hp

I program

Examinator

Gå till kurshemsidan (Öppnas i ny flik)

Behörighet

Grundläggande behörighet för avancerad nivå
Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från ovan krav.

Särskild behörighet

Engelska 6
Sökande med en programregistrering på ett program där kursen ingår i programplanen undantas från ovan krav.

Kursspecifika förkunskaper

Förutom de allmänna kraven för att studera på avancerad nivå vid Chalmers måste nödvändiga ämnes- eller projektspecifika förkunskapskrav (om sådana finns) uppfyllas. Alternativt måste studenten erhålla nödvändiga kompetenser under kursens gång. Examinator kommer att formulera och kontrollera dessa förkunskapskrav. Studenten kommer endast att antas efter överenskommelse med examinatorn.

Det är önskvärt, men inte nödvändigt, att ha god förståelse för mekanik, reglerteori, linjär algebra, avancerad matematisk analys, numeriska metoder, mekatronik och programmering.

Syfte

Kursen ger en plattform för att arbeta och lösa utmanande tvärvetenskapliga autentiska problem från olika intressenter i samhället, såsom akademin, industrin eller offentliga institutioner. Dessutom är målet att studenter från olika utbildningsprogram ska öva sig i att arbeta effektivt i multidisciplinära utvecklingsteam.

Kursen syftar till att ge grundläggande kunskaper om atletisk intelligens inom robotik för att möjliggöra robust sensorimotorisk kontroll av robotar. Studenterna kommer att lära sig att omsätta denna kunskap i praktiken under övningar och genom att lösa problem med hjälp av Python-implementeringar och robotsimuleringar och/eller hårdvaruexperiment.

Lärandemål (efter fullgjord kurs ska studenten kunna)

  • kritiskt och kreativt identifiera och/eller formulera avancerade arkitektoniska eller tekniska problem.
  • bemästra problem med öppna lösningsrymder. Detta innefattar att kunna hantera osäkerheter och begränsad information.
  • leda och delta i utvecklingen av nya produkter, processer och system med en helhetssyn genom att följa en systematisk designprocess och/eller en systematisk utvecklingsprocess.
  • arbeta i tvärvetenskapliga grupper och samarbeta i grupper med olika sammansättningar
  • muntligt och skriftligt på engelska förklara och diskutera information, problem, metoder, design- och utvecklingsprocesser samt lösningar
  • Förklara begreppet atletisk intelligens och identifiera dess viktigaste aspekter.
  • Modellera en atletisk robot som ett dynamiskt system och tillämpa optimerings- och/eller inlärningsbaserade verktyg för att generera ett komplext beteende.
  • Utveckla modellbaserade styrenheter som kan stabilisera beteendet hos en atletisk robot i närvaro av störningar.
  • Utföra stabilitetsanalys av regulatorer.
  • Tillämpa metoder för systemidentifiering och utföra tillståndsestimering.
  • Identifiera utmaningar och aktuella trender inom robotikforskning.
  • Kommunicera med hjälp av terminologin som finns inom robotikområdet på ett förtroendegivande sätt.

Innehåll

Dagens traditionella robotar (t.ex. de som används i tillverkningsindustrin) har en fast bas och är fullt reglerade under drift. Moderna robotar som är inspirerade av djur (t.ex. hoppande robotar, fyrbenta robotar och humanoider) är dock inte bundna till en plats och är inte fullt reglerade. Precis som djur kan dessa robotar utföra dynamiska rörelser, visa följsamhet och vara dynamiskt robusta under sina rörelser. Framtidens robotar kommer att kunna röra sig mer dynamiskt och säkert i miljöer som delas med människor. För att utveckla sådana robotar är det viktigt att fokusera på robotars atletiska intelligens. Kursen innehåller praktiska exempel som visar hur teorin tillämpas inom modern robotteknik. I slutet av kursen kommer studenterna att ha fått värdefulla insikter inom beteendereglering och kontrollstrategier som används för moderna atletiska robotar, såsom Atlas (Boston Dynamics), Digit (Agility Robotics) och Unitree Go2 quadruped.

Organisation

Kursen drivs av ett lärarteam som ansvarar för föreläsningar, handledning och konsultationer. Kursen är organiserad i fem föreläsningsblock. I slutet av varje block kommer studenterna att ombes att lämna in en gruppuppgift som testar deras kunskaper och färdigheter från föreläsningsblocket. I slutet av kursen kommer en individuell bedömning av studenterna att göras genom muntlig examination.

Kursen Athletisk Intelligens i Robotik är strukturerad för att ge en omfattande förståelse för ämnet genom en blandning av teoretiska föreläsningar, praktiska övningar, konsultationssessioner och gruppuppgifter. Kursen är uppdelad i fem block som vart och ett fokuserar på en specifik aspekt av atletisk intelligens inom robotteknik.
I Block 1: Introduktion till Atletisk Intelligens introduceras studenterna till de grundläggande begreppen inom atletisk intelligens och byggstenarna för moderna atletiska robotar. Föreläsningarna behandlar ämnen som understyrda system, sensorimotorisk kontroll och robotars fysiska intelligens. Praktiska övningar inkluderar en introduktion till UniTree Go2-quadrupod och övningar i att härleda rörelseekvationer med hjälp av bibliotek och förstå URDF:er.
Block 2: Robotar som dynamiska system fördjupar sig i de kontinuerliga och hybrid-dynamiska system som styr robotrörelser. Föreläsningarna går igenom begrepp såsom tillståndsrymd, fasporträtt och diskontinuitet. Övningarna ger praktisk erfarenhet av energibaserad styrning av en pendel, passiva dynamiska gångare och SLIP-modellen för gång och löpning.
I Block 3: Genomtänkt planering flyttas fokus till dynamisk programmering och optimering. Studenterna lär sig om Hamilton Jacobi Bellman-ekvationen, värdeiteration och olika metoder för vägoptimering. Praktiska övningar går igenom rutnätproblem, scenarier för bilbromsning och utformning av brachiationsrörelse för AcroMonk-roboten.
Block 4: Reaktiv reglering behandlar momentana och horisontbaserade stabiliserings-metoder. Föreläsningarna omfattar ämnen såsom Linear Quadratic Requlator (LQR), inversdynamik i uppgiftsrummet, kvadratisk programmering och Lyapunov-analys. Självstudierna innehåller övningar med enkla och dubbelpendlar.
Slutligen, Block 5: Avancerade Ämnen/Framtidsutsikt utforskar banbrytande ämnen som Sim2Real-överföring, tillståndsuppskattning, förstärkningsinlärning och co-design. Föreläsningarna kompletteras med handledning om Kalman-filter, tillämpningar av förstärkningsinlärning och co-design av robotkomponenter. Blocket avslutas med en utblick över kopplingen mellan atletisk och kognitiv intelligens, samt genomgång av RRT och symbolisk AI.

Under hela kursen har studenterna tillgång till konsultationssessioner som ger personlig vägledning och stöd. Dessutom finns det gruppuppgifter som är utformade för att uppmuntra samarbetsinlärning och praktisk tillämpning av de begrepp som behandlas i föreläsningar och övningar.

Litteratur

Rekommenderad litteratur:
  • Underactuated Robotics: Algorithms for Walking, Running, Swimming, Flying, and Manipulation, Russ Tedrake, MIT 2023. (Open access, tillgänglig online)
  • Modern Robotics: Mechanics, Planning, and Control, Kevin M. Lynch and Frank C. Park, Cambridge University Press, 2017. (Open access, tillgänglig online)
  • Practical Methods for Optimal Control and Estimation Using Nonlinear Programming, Second Edition, John Betts, SIAM. (tillgänglig som e-bok via Chalmers bibliotek)
  • Reinforcement Learning and Optimal Control, Athena Scientific, 2019 (Open access, tillgänglig online)

Examination inklusive obligatoriska moment

För att bli godkänd på kursen med betyget 3 krävs att alla fem gruppuppgifter är genomförda. Betyget 4 eller 5 bestäms utifrån resultatet på den muntlig examination.

Kursens examinator får examinera enstaka studenter på annat sätt än vad som anges ovan om särskilda skäl föreligger, till exempel om en student har ett beslut från Chalmers om pedagogiskt stöd på grund av funktionsnedsättning.