Autonoma systemPoäng (3 sp)
Kod: ELA18RE03
Poäng
3 op
Studieperiodens (kursens) lärandemål
Är förtrogen med grundbegreppen inom intelligenta system och neurala nätverk.
Förstår principerna för självlärande system och behärskar relevanta begrepp gällande autonoma robotar.
Studieperiodens (kursens) innehåll
Konstruktion av robot (hårdvara)
Implementering av autonom mjukvara
Val av sensorer
Optimering av implementeringen (mjukvara och sensorer)
Funktionalitetstester
Demonstrationer och sluttest
Dokumentation av implementeringen och valda algoritmer
Förkunskapskrav
Mikroprocessorteknik
Tillämpad elektronik
Bedömningskriterier, tillräcklig (1)
Är bekant med grundbegreppen inom intelligenta system
Förstår olinjära system och neurala nätverk
Förstår principerna för självlärande system
Behärskar relevanta begrepp inom autonoma robotar
Bedömningskriterier, goda-synnerligen goda (3-4)
Är väl insatt i grundbegreppen inom intelligenta system
Kan utnyttja neurala nätverk för teknisk modellering
Är insatt i flera olika metoder för att implementera självlärande system
Kan formulera, strukturera och rapportera ett relevant problem angående autonoma system eller robotar
Bedömningskriterier, berömliga (5)
Äger djup insikt i grundbegreppen inom intelligenta system samt kan spekulera i framtida utmaningar och möjligheter
Kan utföra krävande teknisk modellering med hjälp av neurala nätverk
Kan programmera och simulera självlärande system
Kan framgångsrikt genomföra, rapportera och strukturera ett projekt angående autonoma system eller autonoma robotar
Läromaterial
Systemdokumentation och datablad
Anmälningstid
15.06.2024 - 20.10.2024
Tajmning
21.10.2024 - 15.12.2024
Antal studiepoäng
3 op
Prestationssätt
Kontaktundervisning
Ansvarig enhet
Institutionen för teknik och sjöfart
Verksamhetspunkt
Vasa, Wolffskavägen 33
Undervisningsspråk
- Svenska
Utbildning
- Utbildning i el- och automationsteknik
Lärare
- Hans Lindén
Lärare
Ronnie Sundsten
Grupper
- ELA21-A (Storlek: 40. Öppet universitet: 0.)
Grupper
-
ELA21D-VIngenjör (YH), el- och automationsteknik, 2021, dagstudier
Smågrupper
- ELA21-A
Lärandemål
Är förtrogen med grundbegreppen inom intelligenta system och neurala nätverk.
Förstår principerna för självlärande system och behärskar relevanta begrepp gällande autonoma robotar.
Innehåll
Konstruktion av robot (hårdvara)
Implementering av autonom mjukvara
Val av sensorer
Optimering av implementeringen (mjukvara och sensorer)
Funktionalitetstester
Demonstrationer och sluttest
Dokumentation av implementeringen och valda algoritmer
Tid och plats
v. 43-50
Studiematerial och rekommenderad litteratur
Hårdvaruspecifik dokumentation (Propeller tutorials)
Undervisningsmetoder
Grupparbete och demonstrationer
Dokumentering av algoritmer
Dokumentering av implementering
Bedömningsmetoder (förverkligande) och -kriterier (studieperioder/kurser)
Kursexamination 3 veckor efter avslutad kurs.
Test av autonoma funktioner.
Inlämning av dokumentation enligt givna deadlines.
Förverkligandets alternativa prestationssätt
Inga alternativa prestationssätt. Kräver laborationsutrustning.
Studerandes tidsanvändning och belastning
Laborationsuppgiften och dess dokumentering utförs främst i form av grupparbete, även på egen tid.
Tilläggsuppgifter för studerande
v 43-50: Två testtillfällen och ett avslutande testtillfälle.
Vitsordsskala
H-5
Bedömningskriterier, tillfredsställande-synnerligen tillfredsställande (1-2)
Är bekant med grundbegreppen inom intelligenta system
Förstår olinjära system och neurala nätverk
Förstår principerna för självlärande system
Behärskar relevanta begrepp inom autonoma robotar
Arviointikriteerit, goda-synnerligen goda (3-4)
Är väl insatt i grundbegreppen inom intelligenta system
Kan utnyttja neurala nätverk för teknisk modellering
Är insatt i flera olika metoder för att implementera självlärande system
Kan formulera, strukturera och rapportera ett relevant problem angående autonoma system eller robotar
Arviointikriteerit, berömliga (5)
Äger djup insikt i grundbegreppen inom intelligenta system samt kan spekulera i framtida utmaningar och möjligheter
Kan utföra krävande teknisk modellering med hjälp av neurala nätverk
Kan programmera och simulera självlärande system
Kan framgångsrikt genomföra, rapportera och strukturera ett projekt angående autonoma system eller autonoma robotar
Underkänd (0)
Bedömningen görs på basis av inlämnad dokumentation och resultatet vid det avslutande testtillfället.
Förkunskapskrav
Mikroprocessorteknik
Tillämpad elektronik
Anmälningstid
15.06.2023 - 22.10.2023
Tajmning
23.10.2023 - 17.12.2023
Antal studiepoäng
3 op
Prestationssätt
Kontaktundervisning
Ansvarig enhet
Institutionen för teknik och sjöfart
Verksamhetspunkt
Vasa, Wolffskavägen 33
Undervisningsspråk
- Svenska
Utbildning
- Utbildning i el- och automationsteknik
Lärare
- Roger Mäntylä
Lärare
Ronnie Sundsten
Grupper
- ELA20-A (Storlek: 30. Öppet universitet: 0.)
Grupper
-
ELA20D-VIngenjör (YH), el- och automationsteknik, h20, dagstudier
Smågrupper
- ELA20-A
Lärandemål
Är förtrogen med grundbegreppen inom intelligenta system och neurala nätverk.
Förstår principerna för självlärande system och behärskar relevanta begrepp gällande autonoma robotar.
Innehåll
Konstruktion av robot (hårdvara)
Implementering av autonom mjukvara
Val av sensorer
Optimering av implementeringen (mjukvara och sensorer)
Funktionalitetstester
Demonstrationer och sluttest
Dokumentation av implementeringen och valda algoritmer
Tid och plats
v. 43-50
Studiematerial och rekommenderad litteratur
Hårdvaruspecifik dokumentation (Propeller tutorials)
Undervisningsmetoder
Grupparbete och demonstrationer
Dokumentering av algoritmer
Dokumentering av implementering
Bedömningsmetoder (förverkligande) och -kriterier (studieperioder/kurser)
Kursexamination 3 veckor efter avslutad kurs.
Test av autonoma funktioner.
Inlämning av dokumentation enligt givna deadlines.
Förverkligandets alternativa prestationssätt
Inga alternativa prestationssätt. Kräver laborationsutrustning.
Studerandes tidsanvändning och belastning
Laborationsuppgiften och dess dokumentering utförs främst i form av grupparbete, även på egen tid.
Tilläggsuppgifter för studerande
v 43-50: Två testtillfällen och ett avslutande testtillfälle.
Vitsordsskala
H-5
Bedömningskriterier, tillfredsställande-synnerligen tillfredsställande (1-2)
Är bekant med grundbegreppen inom intelligenta system
Förstår olinjära system och neurala nätverk
Förstår principerna för självlärande system
Behärskar relevanta begrepp inom autonoma robotar
Arviointikriteerit, goda-synnerligen goda (3-4)
Är väl insatt i grundbegreppen inom intelligenta system
Kan utnyttja neurala nätverk för teknisk modellering
Är insatt i flera olika metoder för att implementera självlärande system
Kan formulera, strukturera och rapportera ett relevant problem angående autonoma system eller robotar
Arviointikriteerit, berömliga (5)
Äger djup insikt i grundbegreppen inom intelligenta system samt kan spekulera i framtida utmaningar och möjligheter
Kan utföra krävande teknisk modellering med hjälp av neurala nätverk
Kan programmera och simulera självlärande system
Kan framgångsrikt genomföra, rapportera och strukturera ett projekt angående autonoma system eller autonoma robotar
Underkänd (0)
Bedömningen görs på basis av inlämnad dokumentation och resultatet vid det avslutande testtillfället.
Förkunskapskrav
Mikroprocessorteknik
Tillämpad elektronik