PředmětyPředměty(verze: 945)
Předmět, akademický rok 2023/2024
   Přihlásit přes CAS
Evoluční robotika - NAIL065
Anglický název: Evolutionary Robotics
Zajišťuje: Katedra softwaru a výuky informatiky (32-KSVI)
Fakulta: Matematicko-fyzikální fakulta
Platnost: od 2020
Semestr: letní
E-Kredity: 4
Rozsah, examinace: letní s.:2/1, Z+Zk [HT]
Počet míst: neomezen
Minimální obsazenost: neomezen
4EU+: ne
Virtuální mobilita / počet míst pro virtuální mobilitu: ne
Stav předmětu: vyučován
Jazyk výuky: čeština
Způsob výuky: prezenční
Způsob výuky: prezenční
Garant: RNDr. František Mráz, CSc.
Třída: Informatika Mgr. - Teoretická informatika
Kategorizace předmětu: Informatika > Teoretická informatika
Je neslučitelnost pro: NAIX065
Je záměnnost pro: NAIX065
Anotace -
Poslední úprava: T_KSVI (05.05.2004)
Evolučná robotika je technika automatického programovania autonómnych robotov. Prednáška sa zaoberá problémom ako roboty učiť riešiť úlohy namiesto ich priameho programovania. Algoritmy modelujúce evolúciu (prevažne genetické algoritmy s neurónovými sieťami) umožňujú, aby si roboty sami vyvinuli svoje schopnosti v interakcii s prostredím. V rámci cvičenia budú študenti pracovať so simulátormi robotov a robotickou stavebnicou.
Podmínky zakončení předmětu -
Poslední úprava: RNDr. František Mráz, CSc. (19.02.2018)

A) Cvičení

V doprovodném Moodle-kurzu se budou postupně objevovat úkoly a testy.

Úkoly:

Každý úkol má stanovené datum odevzdání. Řešení lze do systému vkládat postupně a průběžně ho upravovat. Časem odevzdání je čas kliknutí na tlačítko "Odeslat řešení k oznámkování". Po kliknutí na toto tlačítko řešení už nelze opravovat, ale lze zažádat e-mailem učitele o vrácení do stavu rozpracování. Každý úkol bude učitelem oznámkován přidělením 0-10 bodů. Za celý semestr budou zadány 3 úkoly.

Typické řešení úkolu bude sestávat z textu – popisu řešení – a kódu programu/skriptu použitého na vyřešení úkolu. Texty odevzdávejte ve formátu PDF, případně RTF, zdrojové kódy jako jednoduché ASCII soubory. Alternatívne lze odevzdat text i kód v jediném souboru jako jupyter/IPython notebook.

Upozornění: V případě, že bude zjištěno, že N≥2 posluchačů odevzdalo řešení, která se nápadně podobají nebo jsou zcela totožné, budou všechna tato řešení považována za jedno řešení. Toto řešení bude ohodnoceno B body podle jeho kvality, ale každý z těchto N řešitelů získá pouze dolní celou část z B/N bodů.

Testy:

Kromě úkolů, budou postupně zveřejňovány on-line testy. Každý test bude mít stanovené datum, do kterého musí být vyřešen. Řešit test po tomto datu nebude možné. Na druhou stranu daný test lze řešit až třikrát s tím, že se započítává nejlepší výsledek.

Pro získání zápočtu je nutné:

  1. Vypracovat řešení všech úkolů a za řešení každého úkolu získal alespoň 1 bod. POZOR: za pozdní odevzdání úkolu se strhává 1 bod za každý započatý týden po termínu odevzdání!
  2. Vypracovat a přednést řešení projektu na jednom z posledních cvičení nebo v termínu prezentací v zkouškovém období (jeho datum a čas bude dohodnutý na cvičení v posledním týdnu semestru). Témata projektů budou dohodnuté přibližně v půlce semestru na cvičení. Prezentace a odevzdané řešení budou taktéž ohodnoceny dohromady 0-15 body.

Mezi výše uvedenými podmínkami nejsou uvedeny on-line testy. Na cvičeních lze získať dodatečné body

  • za předvedení řešení úkolu zadaného na cvičení - 1 bod,
  • za předvedení řešení úkolu zadaného a odevzdaného v Moodlu (po termíně odevzdání) - dolní celá část poloviny bodů, které budou přiděleny za odevzdané řešení.

Body získané za celý semestr budou zkoušejícím započítány do celkové známky za předmět tak, aby tvořily 40% výsledného bodového hodnocení, ze kterého bude odvozena známka při zkoušce.

Získání zápočtu vyžaduje průběžnou práci přes celý semestr, a proto žádné náhradní termíny pro získání zápočtu nebudou vypsány.

B) Přednáška

Jak už bylo zmíněno výše, body získané z cvičení budou započítány s vahou 40% do celkového hodnocení posluchače. Samotná zkouška na konci semestru se započítá 60% do výsledného hodnocení. Posluchač získá známku na základě celkového hodnocení podle následující tabulky

známka 1 známka 2 známka 3 nevyhověl
100%–86% 85%–71% 70%–56% méně než 56%

Literatura
Poslední úprava: RNDr. František Mráz, CSc. (05.05.2015)

S. Nolfi, D. Floreano: Evolutionary robotics: the biology, intelligence and technology of self-organizing machines, The MIT Press, Cambridge, Massachusetts, 2000

R. C. Arkin: Behavior-based robotics, The MIT Press, Cambridge, Massachusetts, 1998

D. Floreano, C. Mattiussi: Bio-Inspired Artificial Intelligence: Theories, Methods, and Technologies, MIT Press, 2008

Sylabus -
Poslední úprava: RNDr. František Mráz, CSc. (05.05.2015)
  • Robotika založená na správaní (behaviour-based robotics), učenie robotov, umelý život (artificial life). Inžinierske motivácie, biologické motivácie.
  • Genetické algoritmy, umelé neurónové siete, riadenie robota neurónovou sieťou, evolúcia neurónových sietí, genetické programovanie. Evolúcia robotov - simulovaná a reálna.
  • Evolúcia jednoduchej navigácie - priamy pohyb s obchádzaním prekážok.
  • Reaktívna inteligencia, sensorovo-motorová koordinácia.
  • Modulárne riadenie, evolúcia modulárnej architektúry.
  • Vzťah učenia a evolúcie ako dvoch foriem (biologickej) adaptácie.
  • Kompetitívna ko-evolúcia, model "dravec-korisť".
  • Genotyp, fenotyp, zobrazenie genotypu na fenotyp.
  • Evolúcia zložitejších kráčajúcich robotov.
  • Evolučné učenie neurónových sietí - algoritmy SANE, ESP a NEAT.
  • Robotické roje - príklady využitia, koordinovaný prieskum, premiestňovanie a zhlukovanie, rekonfigurovatelné roboty.
  • Od simulácie k realite - konštrukcia fyzických robotov na základe výsledkov simulácie.

 
Univerzita Karlova | Informační systém UK