Faglig innhold

Baneplanlegging: Oppsummering fra differensialgeometri og numerisk analyse, inkludert egenskaper til parametriske 2D/3D-kurver, krumning og torsjon, interpolering/tilnærming. Oversikt over kjøretøyets kinematiske og dynamiske begrensninger og deres tilknytning til baneplanlegging. Grunnleggende banegenerering for å koble sammen veipunkter: Dubins paths, Reeds-Shepp car, splines, Pythagorean Hodographs, spirals. Hinderrepresentasjon. Veikartmetoder for å generere veipunkter: Voronoi diagrams, probabilistic roadmaps, Rapidly-exploring random trees (RRTs). Grafsøkealgoritmer for dynamisk beregning av den optimale sekvensen av veipunkter. Optimal kontroll og optimaliseringstilnærminger. Kunstig potensialfelt.

AI-planlegging: Introduksjon til Markov-beslutningsprosess og løsninger basert på dynamisk programmering og forsterkende læring. Deliberative vs reaktive systemer. Grunnleggende automatiserte planleggingsmetoder og algoritmer (state machines, STRIPS). Hierarchical task networks. (HTN). Temporal models.

Læringsutbytte

Kunnskap: Detaljert kunnskap om ruteplanlegging og AI-planlegging. Kunne lese og forstå metoder publisert i litteraturen, samt evaluere og sammenligne disse med metoder som brukes i praktiske systemer.

Ferdigheter: Designe og implementere rute- og handlingsplanleggingssystemer for skip, undervannsfarkoster og luftfartøyer. Kunne simulere grunnleggende metoder for rute- og handlingsplanlegging, og deres viktigste variasjoner, på slike systemer, inkludert implementasjoner på en virkelig småskala mobil robot og en autonom passasjerferge. Selvstendig håndtering av små FoU-prosjekter og aktivt bidra i større prosjekter.

Generell kompetanse: Kommunisere arbeidsrelaterte problemstillinger med både spesialister og ikke-spesialister.

Læringsformer og aktiviteter

Forelesninger og fem obligatoriske dataoppgaver, støttet av veiledningsøkter. Målet med kdataoppgavene er å simulere og teste selvutviklede metoder for bane og handlingsplanlegging for marine og bakkebaserte roboter.

Computer assignments 1-3 (CAs 1-3) vurderes som bestått/ikke bestått og inkluderer simuleringer. CAs 4 og 5 innebærer design og implementering av oppdrag på to roboter i den virkelige verden: en småskala mobil robot og den fullskala passasjerfergen milliAmpere1. CAs 4-5 teller hver 20 % av totalkarakteren.

Obligatoriske aktiviteter

• Dataoppgaver

Anbefalte forkunnskaper

TTK4130, Modelling and simulation. TTK4135, Optimization and control.

Forkunnskapskrav

TTK4105 Reguleringsteknikk eller tilsvarende.

TTK4111 Reguleringsteknikk eller tilsvarende

Kursmateriell

• Lekkas A.M. Lecture notes on motion- and action planning, 2025-26.