Studieguide

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 närvaro p.g.a. tillgång till laborationsutrustning.

Studerandes tidsanvändning och belastning

Laborationsuppgiften och dess dokumentering utförs främst i form av eget arbete på lektionstid, men 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