Robótica Avanzada

Créditos
6
Tipos
Obligatoria
Requisitos
Esta asignatura no tiene requisitos , pero tiene capacidades previas
Departamento
ESAII
La asignatura "Robòtica Avançada" es una asignatura de alto nivel que permite a los estudiantes adquirir conocimientos especializados sobre la programación, control y funcionamiento de los robots manipuladores y móviles. A través de esta asignatura, los estudiantes podrán profundizar en sus habilidades de percepción, planificación y ejecución, así como en la capacidad de resolver problemas en entornos reales e imprevisibles.

Los alumnos de la asignatura aprenderán a aplicar técnicas avanzadas de inteligencia artificial para resolver problemas de robótica en entornos complejos y dinámicos. Esto incluye la planificación de tareas, movimientos y rutas, el razonamiento sobre las tareas a realizar, el espacio, la gestión de la incertidumbre, la acomodación entre objetos, la percepción y otras habilidades avanzadas.

Profesorado

Responsable

  • Isiah Zaplana Agut (isiah.zaplana@upc.edu)

Otros

  • Anais Garrell Zulueta ( anais.garrell@upc.edu)

Horas semanales

Teoría
2
Problemas
0
Laboratorio
2
Aprendizaje dirigido
0
Aprendizaje autónomo
6

Competencias

Competencias Transversales

Transversales

  • CT1 - Emprendimiento e innovación. Conocer y entender la organización de una empresa y las ciencias que rigen su actividad; tener capacidad para entender las normas laborales y las relaciones entre la planificación, las estrategias industriales y comerciales, la calidad y el beneficio.
  • CT2 - Sostenibilidad y Compromiso Social. Conocer y comprender la complejidad de los fenómenos económicos y sociales típicos de la sociedad del bienestar; tener capacidad para relacionar el bienestar con la globalización y la sostenibilidad; lograr habilidades para utilizar de forma equilibrada y compatible la técnica, la tecnología, la economía y la sostenibilidad.
  • CT3 - Comunicación eficaz oral y escrita. Comunicarse de forma oral y escrita con otras personas sobre los resultados del aprendizaje, de la elaboración del pensamiento y de la toma de decisiones; participar en debates sobre temas de la propia especialidad.
  • CT5 - Uso solvente de los recursos de información. Gestionar la adquisición, la estructuración, el análisis y la visualización de datos e información en el ámbito de especialidad y valorar de forma crítica los resultados de dicha gestión.
  • CT8 [Avaluable] - Perspectiva de género. Conocer y comprender, desde el propio ámbito de la titulación, las desigualdades por razón de sexo y género en la sociedad; integrar las diferentes necesidades y preferencias por razón de sexo y de género en el diseño de soluciones y resolución de problemas.

    • Básicas

  • CB3 - Que los estudiantes tengan la capacidad de reunir e interpretar datos relevantes (normalmente dentro de su área de estudio) para emitir juicios que incluyan una reflexión sobre temas relevantes de índole social, científica o ética.
  • CB5 - Que los estudiantes hayan desarrollado aquellas habilidades de aprendizaje necesarias para emprender estudios posteriores con un alto grado de autonomía

    • Competencias Técnicas

    Específicas

  • CE15 - Adquirir, formalizar y representar el conocimiento humano en una forma computable para la resolución de problemas mediante un sistema informático en cualquier ámbito de aplicación, particularmente los relacionados con aspectos de computación,percepción y actuación en ambientes o entornos inteligentes.
  • CE17 - Desarrollar y evaluar sistemas interactivos y de presentación de información compleja y su aplicación a la resolución de problemas de diseño de interacción persona-computadora y persona-robot.
  • CE24 - Concebir, diseñar y construir sistemas robóticos inteligentes con aplicación en entornos de producción y de servicios, capaces de interactuar con personas, colaborativos y sociales.
  • CE25 - Concebir, diseñar e integrar robots móviles con capacidad de navegación autónoma, formación de flotas e interacción con humanos.
  • CE26 - Diseñar y aplicar técnicas de procesado y análisis de imágenes y visión por computador en el ámbito de la inteligencia
  • CE28 - Planificar, concebir, desplegar y dirigir proyectos, servicios y sistemas en el ámbito de la inteligencia artificial, liderando su puesta en marcha y su mejora continua y valorando su impacto económico y social.

    • Competencias Técnicas Genéricas

    Genéricas

  • CG3 - Definir, evaluar y seleccionar plataformas hardware y software para el desarrollo y la ejecución de sistemas, servicios y aplicaciones informáticas en el ámbito de la inteligencia artificial.
  • CG4 - Razonar, analizando la realidad y diseñando algoritmos y formulaciones que la modelen. Identificar problemas y construir soluciones algorítmicas o matemáticas válidas, eventualmente nuevas, integrando el conocimiento multidisciplinar necesario, valorando distintas alternativas con espíritu crítico, justificando las decisiones tomadas, interpretando y sintetizando los resultados en el contexto del dominio de aplicación y estableciendo generalizaciones metodológicas a partir de aplicaciones concretas.
  • CG5 - Trabajar en equipos y proyectos multidisciplinares relacionados con la inteligencia artificial y la robótica, interactuando fluidamente con ingenieros/as y profesionales de otras disciplinas.
  • CG6 - Identificar oportunidades para aplicaciones innovadoras de la inteligencia artificial y la robótica en entornos tecnológicos en continua evolución.
  • CG7 - Interpretar y aplicar la legislación vigente, así como especificaciones, reglamentos y normas en el ámbito de la inteligencia artificial.
  • CG8 - Observar un ejercicio ético de la profesión en todas sus facetas, aplicando criterios éticos en el diseño de sistemas,algoritmos, experimentos, utilización de datos, de acuerdo con los sistemas éticos recomendados por los organismos nacionales e internacionales, con especial énfasis en seguridad, robustez, privacidad, transparencia, trazabilidad, prevención de sesgos (de raza, género, religión, territorio, etc.) y respeto a los derechos humanos.
  • CG9 - Afrontar nuevos retos con una visión amplia de las posibilidades de la carrera profesional en el ámbito de la Inteligencia Artificial. Desarrollar la actividad aplicando criterios de calidad y mejora continua, y actuar con rigor en el desarrollo profesional. Adaptarse a los cambios organizativos o tecnológicos. Trabajar en situaciones de carencia de información y/o con restricciones temporales y/o de recursos.

    • Objetivos

    1. Aprender a programar robots y diseñar aplicaciones robóticas.
      Competencias relacionadas: CE24, CE25, CE26, CG4, CG6, CG8, CG9, CT1, CT5, CB3, CB5, CE15, CE17,
    2. Ser potencial d'emetre judicis que incloguin una reflexió sobre temes rellevants d'índole social, científica o ètica, relacionats amb la robòtica actual i les seves aplicacions.
      Competencias relacionadas: CE28, CG5, CG6, CG7, CG8, CT2, CT3, CT8,

    3. Aprendre a coordinar accions entre robots.
      Competencias relacionadas: CG3, CG5, CG6, CT3, CT5, CE15, CE17,
    4. Ser capaz de fusionar distintas fuentes de información para obtener, formalizar y representar el entorno físico de forma computable para la resolución de problemas.
      Competencias relacionadas: CE24, CE25, CG3, CG5, CG6, CG8, CT2, CT5, CB3, CB5, CE17,
    5. Aplicación de técnicas de Visión por Ordenador a Sistemas Robóticos
      Competencias relacionadas: CE24, CE25, CE26, CG4, CG5, CG6, CT5, CE15,
    6. Aplicación de técnicas de Inteligencia Artificial a Sistemas Robóticos
      Competencias relacionadas: CE24, CE26, CE28, CG4, CG5, CG9, CT3, CT5, CE15, CE17,
    7. Creación de sistemas de interacción entre robots y humanos
      Competencias relacionadas: CE24, CE25, CE26, CE28, CG3, CG4, CG5, CG6, CG7, CG8, CG9, CT1, CT3, CT5, CT8, CE15, CE17,

    Contenidos

    1. Introducción
      Se repasarán los contenidos que se alcanzaron en la asignatura anterior Introducción a la robótica.
    2. Introducción a la planificación de movimientos -- El espacio de configuraciones.
      Planificación de trayectorias versus planificación de movimientos. Cinemática directa e inversa. Definición geométrica y topológica del espacio de configuraciones de un robot manipulador.
    3. Soluciones al problema de la planificación de movimientos basadas en campos de potencial.
      Discretización del espacio de configuraciones de un robot manipulador. Campos de potencial repulsivos y atractivos. Funciones sin mínimos locales: funciones de navegación y funciones armónicas.
    4. Soluciones al problema de la planificación de movimientos basados ¿¿en muestreo.
      Tipos de muestreo (random, Halton, SDK, etc.). Métodos basados ¿¿en mapas de carreteras, Probabilistic Road Maps (PRMs), y árboles de exploración, Randomly Exploring Rapid Trees (RRTs) y su aplicación a problemas de planificación de movimientos. Mejoras de los planificadores básicos (PRM con muestreo gaussiano, RRT-CONNECT, RRT*).
    5. Planificación de tareas.
      Planificación de movimientos teniendo en cuenta las restricciones impuestas por las tareas. Modelización de trabajos con grafos dirigidos. Lenguaje STRIPS y PDDLs. Algoritmos de búsqueda y búsqueda guiadas por heurísticas. Algoritmo FF.
    6. Robótica cognitiva.
      Ontologías. Tipos de ontologías y razonamiento basado en ontologías. Árboles de comportamiento, Behaviour Trees (BTs).
    7. Cinemática de robots móviles.
      Cinemática diferencial, restricciones diferenciales impuestas por las ruedas y el concepto de robots holonómicos y no holonómicos (repaso). Cinemática diferencial, relación entre la velocidad de una plataforma robótica y las restricciones diferenciales impuestas por una sola rueda, cinemática diferencial directa e inversa para un robot móvil específico con ruedas.
    8. Dinámica de robots móviles.
      Dinámica de un robot móvil. Modelización de la dinámica.
    9. Percepción de los robots móviles.
      Tipo de sensores. Propagación del error. Visual Servoing.
    10. Localización de robots móviles.
      Introducción a la ubicación basada en mapas. Repaso de la teoría de probabilidades. Enfoque de Markov. Enfoque del filtro de Kalman. El problema de SLAM. SLAM-EKF, FastSLAM, GraphSlam.
    11. Planificación de rutas para robot móviles.
      Introducción, representaciones, evitación de colisiones. Campos potenciales. Ejemplo resuelto. Construcción de grafos, búsqueda en grafos. Conceptos aplicados a robótica móvil.

    Actividades

    Actividad Acto evaluativo


    Repaso de los contenidos de la asignatura "Introducció a la Robòtica".

    Se repasarán los contenidos que se alcanzaron en la asignatura anterior "Introducció a la Robòtica".
    Objetivos: 2
    Contenidos:
    Teoría
    1h
    Problemas
    0h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    4h

    Introducción a la planificación de movimientos -- El espacio de configuraciones.

    Planificación de trayectorias versus planificación de movimientos. Cinemática directa e inversa. Definición geométrica y topológica del espacio de configuraciones de un robot manipulador.
    Objetivos: 2 4
    Contenidos:
    Teoría
    1h
    Problemas
    0h
    Laboratorio
    2h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    6h

    Soluciones al problema de la planificación de movimientos basadas en campos de potencial.

    Discretización del espacio de configuraciones de un robot manipulador. Campos de potencial repulsivos y atractivos. Funciones sin mínimos locales: funciones de navegación y funciones armónicas.
    Objetivos: 2 4
    Contenidos:
    Teoría
    2h
    Problemas
    0h
    Laboratorio
    2h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    6h

    Soluciones al problema de la planificación de movimientos basados ¿¿en muestreo.

    Tipos de muestreo (random, Halton, SDK, etc.). Métodos basados ¿¿en mapas de carreteras, Probabilistic Road Maps (PRMs), y árboles de exploración, Randomly Exploring Rapid Trees (RRTs) y su aplicación a problemas de planificación de movimientos. Mejoras de los planificadores básicos (PRM con muestreo gaussiano, RRT-CONNECT, RRT*).
    Objetivos: 2 4
    Contenidos:
    Teoría
    4h
    Problemas
    0h
    Laboratorio
    4h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    12h

    Planificación de tareas.

    Planificación de movimientos teniendo en cuenta las restricciones impuestas por las tareas. Modelización de trabajos con grafos dirigidos. Lenguaje STRIPS y PDDLs. Algoritmos de búsqueda y búsqueda guiadas por heurísticas. Algoritmo FF.
    Objetivos: 1 2 3 4 6
    Contenidos:
    Teoría
    4h
    Problemas
    0h
    Laboratorio
    4h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    8h

    Robótica cognitiva.

    Ontologías. Tipos de ontologías y razonamiento basado en ontologías. Árboles de comportamiento, Behaviour Trees (BTs).
    Objetivos: 1 3 5 6 7
    Contenidos:
    Teoría
    4h
    Problemas
    0h
    Laboratorio
    4h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    8h

    Cinemática de robots móviles.

    Cinemática diferencial, restricciones diferenciales impuestas por las ruedas y el concepto de robots holonómicos y no holonómicos (repaso). Cinemática diferencial, relación entre la velocidad de una plataforma robótica y las restricciones diferenciales impuestas por una sola rueda, cinemática diferencial directa e inversa para un robot móvil específico con ruedas.
    Objetivos: 1 2 3 6
    Contenidos:
    Teoría
    2h
    Problemas
    0h
    Laboratorio
    2h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    10h

    Dinámica de robots móviles.

    Dinámica de un robot móvil. Modelización de la dinámica.

    Teoría
    2h
    Problemas
    0h
    Laboratorio
    2h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    6h

    Percepción de los robots móviles.

    Tipo de sensores. Propagación del error. Visual Servoing.

    Teoría
    4h
    Problemas
    0h
    Laboratorio
    4h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    8h

    Localización de robots móviles.

    Introducción a la ubicación basada en mapas. Repaso de la teoría de probabilidades. Enfoque de Markov. Enfoque del filtro de Kalman. El problema de SLAM. SLAM-EKF, FastSLAM, GraphSlam.

    Teoría
    4h
    Problemas
    0h
    Laboratorio
    4h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    12h

    Planificación de rutas para robot móviles.

    Introducción, representaciones, evitación de colisiones. Campos potenciales. Ejemplo resuelto. Construcción de grafos, búsqueda en grafos. Conceptos aplicados a robótica móvil.

    Teoría
    2h
    Problemas
    0h
    Laboratorio
    2h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    10h

    Proyecto Final

    Els alumnes hauran d'aplicar els coneixements obtinguts en un robot real i hauran de fer una demostració del seu funcionament.
    Objetivos: 1 2 3 4 5 6
    Semana: 15 (Fuera de horario lectivo)
    Teoría
    0h
    Problemas
    0h
    Laboratorio
    0h
    Aprendizaje dirigido
    0h
    Aprendizaje autónomo
    0h

    Metodología docente

    - Las clases teóricas se complementarán con la puesta en práctica sobre PC de las técnicas expuestas.

    - En las clases de laboratorio se resolverán problemas reales de visión por computador.

    - Se plantearán problemas de complejidad superior que el alumno tendrá que resolver en casa.

    Método de evaluación

    Habrá un primer examen parcial (P1), que tendrá un peso del 35 % de la nota final, y un examen final (EF), con un peso del 65 %.

    La nota final se calculará según la siguiente fórmula:

    NF = 0,35 · NP1 + 0,65 · NEF

    donde NP1 es la nota del primer parcial y NEF la nota del examen final.

    De manera excepcional, el examen final podrá sustituirse por un segundo parcial (P2) y por la evaluación de las prácticas finales (PF). En este caso, el primer parcial tendrá un peso del 35 %, el segundo parcial del 35 % y las prácticas finales del 30 %.

    Esta modalidad alternativa solo se aplicará si el estudiante cumple satisfactoriamente las siguientes condiciones: asistir a las sesiones prácticas, salvo causa mayor debidamente justificada; hacer un uso responsable de las herramientas de inteligencia artificial generativa; y mantener una actitud adecuada, así como un uso correcto de los laboratorios y recursos docentes.

    En este supuesto, la nota final se calculará de la siguiente manera:

    NF = 0,35 · NP1 + 0,35 · NP2 + 0,30 · NPF

    donde NP1 es la nota del primer parcial, NP2 la nota del segundo parcial y NPF la nota de las prácticas finales entregadas.

    La aplicación de esta modalidad alternativa quedará sujeta al cumplimiento satisfactorio de todos los requisitos anteriores.

    Solo podrán presentarse a la reevaluación aquellas personas que, habiéndose presentado a los exámenes, no los hayan superado. La nota máxima que se podrá obtener en la reevaluación será un 7.

    Bibliografía

    Básico

    Capacidades previas

    Área de Matemáticas

    * Conocer y saber aplicar el concepto de derivada y derivada parcial.
    * Conocer los métodos elementales de representación gráfica de funciones (asíntotas, máximos, mínimos, ...).
    * Conocer las propiedades elementales de las funciones trigonométricas.
    * Conocer los conceptos básicos de manipulación y operación con matrices.

    Área de Programación y Estructura de Datos

    * Saber especificar, diseñar e implementar algoritmos sencillos con un lenguaje de programación imperativo.
    * Saber construir programas correctos, eficientes y estructurados.
    * Conocer los conceptos de lenguajes interpretados y lenguajes compilados.
    * Conocer los algoritmos de búsqueda en estructuras de datos (tablas, listas, árboles, ...).

    Área de Arquitectura y Tecnología de Computadores

    * Conocer a nivel funcional las diferentes puertas lógicas.
    * Saber analizar e implementar sistemas lógicos combinacionales y secuenciales simples.
    * Conocer la estructura básica de un computador.
    * Conocer el subsistema de entrada/salida e interrupciones del computador.

    Área de Robótica

    * Conocimiento de ROS.
    * Conocimiento de Matlab.
    * Conocimiento de la cinemática básica de un robot móvil y un robot manipulador-