Faglig innhold

Dette emnet tilbys annethvert år, neste gang høsten 2027. Det bygger videre på grunnleggende kunnskap fra TTK4255 Robotic Vision, med avansert fokus på bevegelsesestimering, ikke-lineære estimeringsmetoder, objektgjenkjenning, semantisk sceneforståelse, affordansedeteksjon og visuell resonnering på høyt nivå. Det legges vekt på både teoretiske grunnlag og praktiske implementeringsferdigheter. Emnet undervises på engelsk.

Særskilt merknad om kunstig intelligens (KI):Kunstig intelligens er integrert i emnet gjennom læringsbaserte metoder for persepsjon, inkludert dype nevrale nettverk, transformerarkitekturer, multimodale modeller og rammeverk for embodied AI. Studentene analyserer hvordan KI-baserte teknikker kan kombineres med klassiske geometriske og statistiske metoder for å oppnå robust og forklarbar visuell persepsjon. Det legges stor vekt på kritisk refleksjon, blant annet når KI-metoder er hensiktsmessige, hvilke begrensninger de introduserer, og hvordan de påvirker robusthet, usikkerhet og tolkbarhet i avanserte persepsjonssystemer.

Læringsutbytte

Vitenskapelig innhold (et utvalg av temaer vil bli dekket avhengig av deltakernes interesser og bakgrunn):

• Optimalisering, estimering og usikkerhetsmodeller for robotiske og visuelle persepsjonssystemer
• Bevegelsesestimering, optisk flyt og sceneflyt
• Scene- og steds­gjenkjenning
• Tett, semi-tett og sparsom korrespondanseestimering
• Formpriorer og formestimering
• Poseestimering og sporing
• Semantisk sceneforståelse og kontekstuell resonnering
• Affordansedeteksjon og funksjonell scene­tolkning
• Statistiske modeller og kvantifisering av usikkerhet
• Segmentering og modelltilpasning ved bruk av probabilistiske metoder
• Korrespondanse- og posekonsistens
• Relasjonell og strukturell gjenkjenning
• Læringsbaserte tilnærminger til persepsjon, inkludert dype representasjoner, transformere og multimodale modeller (syn-språk-modeller, embodied AI)

FERDIGHETER:

• Anvende lineære og ikke-lineære estimeringsmetoder på bilde- og videodata
• Designe og evaluere avanserte systemer for bevegelsesestimering, objektgjenkjenning, semantisk forståelse og affordanseresonnering
• Kritisk vurdere styrker og begrensninger ved klassiske og AI-baserte metoder og velge hensiktsmessige teknikker for komplekse persepsjonsoppgaver
• Integrere probabilistiske, geometriske og læringsbaserte verktøy i helhetlige persepsjonsrammeverk
• Bruke AI-verktøy på en transparent, godt dokumentert og akademisk ansvarlig måte

GENERELL KOMPETANSE:

• Kunne anvende tilegnet kunnskap på nye områder og gjennomføre avanserte, forskningsorienterte oppgaver
• Kommunisere omfattende selvstendig arbeid ved bruk av presis terminologi innen avansert visuell persepsjon
• Bidra til innovativ tenkning og forskningsutvikling innen visuell persepsjon og intelligente systemer
• Vise bevissthet rundt etiske utfordringer, personvern og akademisk integritet ved bruk av AI-verktøy i vitenskapelig arbeid

Læringsformer og aktiviteter

Studiegrupper, utvalgte lesetekster og valgfrie oppgavesett. Et obligatorisk kursprosjekt med muntlig presentasjon og skriftlig rapport.

Anbefalte forkunnskaper

TTK4255 Robotsyn

TTK4250 Sensorfusjon

Kursmateriell

En samling artikler som deles ut ved starten av semesteret.