Emne - Oppdragsplanlegging for autonome systemer - TTK4192
Oppdragsplanlegging for autonome systemer
Velg studieårOm
Om emnet
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 baneplanlegging og AI-planlegging. Kunne lese og forstå metoder publisert i litteraturen og vurdere og sammenligne disse med metoder brukt i praktiske systemer. Ferdigheter: Design og implementer bane- og handlingsplanleggingssystemer for skip, undervannsfarkoster og luftfartøyer. Kunne simulere grunnleggende bane- og handlingsplanleggingstilnærminger, og deres hovedvariasjoner, på slike systemer, inkludert en liten ekte mobil robot. Selvstendig ledelse av mindre FoU-prosjekter og bidra aktivt i større prosjekter. Generell kompetanse: Kommunisere arbeidsrelaterte problemer med spesialister og ikke-spesialister.
Læringsformer og aktiviteter
Forelesninger og obligatoriske dataoppgaver. Målet med oppgavene er å simulere og teste egenutviklede bane og handlingsplanleggingsmetoder for marine, terreng og luftfartøy. Minst én algoritme vil også bli implementert på en reell, småskala mobilrobot.
Obligatoriske aktiviteter
- Oppgaver
Mer om vurdering
Skriftlig skoleeksamen (80%) og én obligatorisk A-F oppgave (20%) gir grunnlag for sluttkarakter i emnet. I tillegg, tre obligatoriske (bestått/ikke bestått) oppgaver må leveres. Sluttkarakteren angis med bokstavkarakter. Eksamen gis kun på engelsk. Studentens besvarelse kan være på norsk eller engelsk. Ved utsatt eksamen kan skriftlig eksamen bli endret til muntlig eksamen. Dataøvingene, hjemmeprosjektet og skriftlig eksamen må være bestått for å bestå emnet. Dersom studenten også etter utsatt eksamen har sluttkarakteren F/ikke-bestått, må studenten gjenta hele emnet neste studieår.
Anbefalte forkunnskaper
Grunnleggende bakgrunn i kjøretøymodellering, kalkulus og programmering.
Forkunnskapskrav
TTK4105 Reguleringsteknikk eller TTK4230 Automatiseringsteknikk eller tilsvarende. TTK4130, Modellering og simulering. TTK4135, optimalisering og regulering.
Kursmateriell
- LaValle, Steven M. Planning algorithms. Cambridge university press, 2006.
- Lekkas A.M. Lecture notes on path- and action planning, 2022.
Fagområder
- Teknisk kybernetikk
- Sivilingeniør- og arkitektutdanning
- Teknologiske fag
Kontaktinformasjon
Emneansvarlig/koordinator
Faglærere
- Anastasios Lekkas
- Konstantinos Alexis
- Miguel Angel Hinostroza Munoz
- Morten Breivik
- Sindre Benjamin Remman
Ansvarlig enhet
Eksamen
Eksamen
Ordinær eksamen - Vår 2025
Skriftlig skoleeksamen
Oppgitt rom kan endres og endelig plassering vil være klar senest 3 dager før eksamen. Du finner din romplassering på Studentweb.