Print Export to file (MS Word)
Name of course:
Intelligent Machines
Coordinator of course:
Rajmund Kożuszek
Type of course:
Elective
Level of education:
First cycle studies
Programme:
Informatyka
Group of courses:
Artificial Intelligence
Code of course:
IMA
Nominal semester:
6 / AY 2021/2022
Number of ECTS credits:
4
Number of hours of student’s work to achieve learning outcomes:
1. liczba godzin kontaktowych – 79 godz., w tym  obecność na wykładach: 30 godz.,  obecność na ćwiczeniach: 15 godz.,  obecność na zajęciach laboratoryjnych:30 godz.,  udział w konsultacjach: 2 godz.,  obecność na egzaminie: 2 godz. 2. praca własna studenta – 21 godz., w tym  przygotowanie do kolejnych wykładów i zajęć laboratoryjnych: 10 godz.,  przygotowanie raportów z zajęć laboratoryjnych: 6 godz. ,  przygotowanie do egzaminu: 5 godz. Łączny nakład pracy studenta wynosi 100 godz., co odpowiada 4 pkt. ECTS.
Number of ECTS credits on the course with direct participation of academic teacher:
3 pkt. ECTS, co odpowiada 79 godz. kontaktowym
Language of course:
polish
Number of ECTS credits on practical activities on the course:
1,5 pkt. ECTS, co odpowiada 41 godz.
Form of didactic studies and number of hours per semester:
  • Lecture30h
  • Exercise type of course15h
  • Laboratory30h
  • Project type of course0h
  • Computer lessons0h
Preliminary requirements:
Podstawy programowania, Wprowadzenie do sztucznej inteligencji
Limit of students:
60
Purpose of course:
Przedmiot ma na celu wprowadzenie studentów w różne aspekty wykorzystania narzędzi informatyki w inteligentnych maszynach. Zagadnienia omawiane w trakcie zajęć obejmują: automatyczną regulację, robotykę mobilną, bezprzewodowe sieci sensorowe, systemy internetu rzeczy (IoT) oraz systemy wizji maszynowej. Jako praktyczny przykład inteligentnego systemu wbudowanego rozważany jest robot mobilny, dla którego studenci mają możliwość zaprojektowania i przetestowania algorytmów regulacji, sieci stacjonarnych i mobilnych czujników oraz systemu wizyjnego.
Contents of education:
WYKŁADY: 1. Wprowadzenie: regulamin przedmiotu i zasady zaliczania, platforma dydaktyczna robota mobilnego. (2 godz.). 2. Wizja maszynowa: model kamery, rozpoznawanie obiektów i ich lokalizacja w przestrzeni pracy robota, wykorzystanie splotowych sieci neuronowych. (2 godz.). 3. Regulacja 1: opis procesów dynamicznych w czasie ciągłym i dyskretnym, analiza modeli dynamicznych, przekształcanie modeli, symulacja. (2 godz.). 4. Regulacja 2: projektowanie i symulacja klasycznych algorytmów regulacji opartych na strukturze PID. (1 godz.). 5. Regulacja 3: projektowanie i symulacja algorytmów regulacji w przestrzeni stanu, estymacja stanu. (2 godz.). 6. Regulacja 4: projektowanie i symulacja zaawansowanych algorytmów regulacji predykcyjnej, regulacja wielowymiarowa, regulacja nieliniowa. (3 godz.). 7. Systemy Internetu Rzeczy (IoT): wprowadzenie do systemów IoT i wszechobecnych obliczeń (ang. ubiquitous computing), mobilne sieci ad hoc (MANET), bezprzewodowe sieci sensorowe (WSN) (2 godz.). 8. Sieci WSN jako przykład systemu IoT: sprzęt i oprogramowanie: systemy operacyjne i symulatory. Prezentacja platformy dydaktycznej – przykładowe urządzenia pomiarowe do wykorzystania w ćwiczeniach i laboratoriach (2 godz.). 9. Komunikacja w sieciach WSN: technologie komunikacyjne, modele propagacji radiowej, wybrane protokoły komunikacyjne i algorytmy routingu (2 godz.). 10. Bezpieczeństwo systemów IoT: podatności i możliwe wektory ataku, metody detekcji (1 godz.). 11. Zastosowanie blockchain w systemach IoT: technologia blockchain, jej zastosowanie w aplikacjach IoT (system rozliczeń, cyberbezpieczeństwo) (1 godz.). 12. Robotyka mobilna 1: autonomiczna nawigacja robotów mobilnych, tryby lokomocji, kinematyka robotów kołowych, więzy ruchu: holonomiczne i nieholonomiczne. (2 godz.). 13. Robotyka mobilna 2: budowa mapy środowiska: mapy metryczne (siatki zajętości, mapy kosztów), mapy topologiczne i mapy semantyczne (2 godz.). 14. Robotyka mobilna 3: metody lokalizacji robota: lokalizacja względna (odometria wizyjno-inercyjna) i bezwzględna (latarnie, znaczniki). (2 godz.). 15. Robotyka mobilna 4: metody planowania ruchu robotów mobilnych, uczenie się robotów – przykłady. (2 godz.). 16. Podsumowanie. (2 godz.). ĆWICZENIA: 1. Programowanie robotów z wykorzystaniem środowiska Robot Operating System (1 godz.). 2. Modelowanie i symulacja robota mobilnego (2 godz.). 3. Projektowanie i symulacja klasycznych algorytmów regulacji opartych na strukturze PID (1 godz.). 4. Projektowanie i symulacja algorytmów regulacji w przestrzeni stanu, estymacja stanu (2 godz.). 5. Projektowanie i symulacja zaawansowanych algorytmów regulacji predykcyjnej, regulacja wielowymiarowa (1 godz.). 6. Prosty system monitorujący poziom oświetlenia – stacjonarne czujniki zlokalizowane w zasięgu stacji bazowej. Pomiary przesyłane do stacji bazowej (1 godz.). 7. System pomiaru temperatury w otoczeniu – realizacja transmisji z wykorzystaniem węzłów pośredniczących. Pomiary przesyłane do stacji bazowej (1 godz.). 8. Algorytm odometrii wizyjno-inercyjnej – dobór parametrów i uruchomienie (1 godz.). 9. Algorytmy budowy mapy siatek zajętości i kosztów – dobór parametrów i uruchomienie (1 godz.). 10. Algorytmy planowania ścieżek ruchu – dobór parametrów i uruchomienie (1 godz.). 11. Metody rozpoznawania i wyszukiwania obiektów w obrazie (2 godz.). 12. Przykładowe zadanie nawigacji autonomicznej dla robota mobilnego (1 godz.). LABORATORIUM: 1. Projektowanie i weryfikacja sprzętowa algorytmów regulacji robota. 2. Implementacja bezprzewodowej sieci sensorowej zbierającej pomiary z większego obszaru – pomiary zbierane i prezentowane na urządzeniu mobilnym. 3. Implementacja systemu sterowania oświetleniem przy wykorzystaniu pomiarów z stacjonarnych czujników. System lokalizacji węzłów sieci sensorowej (prosta trilateracja). 4. System monitorowania środowiska wykorzystujący bezprzewodową siec sensorową i roboty mobilne. 5. Implementacja systemu autonomicznej nawigacji robota mobilnego – lokalizacja (odometria wizyjno-inercyjna), budowa mapy (siatki zajętości, mapa kosztów) i planowanie ruchu. 6. Implementacja i uruchomienie wizyjnego systemu rozpoznawania obiektów. Implementacja i uruchomienie przykładowego zadania nawigacji autonomicznej oraz poszukiwania obiektów przez robota mobilnego.
Methods of evaluation:
Realizacja przedmiotu obejmuje następujące formy zajęć:  wykład prowadzony w wymiarze 2 godz. tygodniowo,  ćwiczenia prowadzone w wymiarze 1 godz. tygodniowo,  sześć zajęć laboratoryjne w wymiarze 5 godz.. Sprawdzanie założonych efektów kształcenia realizowane jest przez:  ocenę wiedzy i umiejętności związanych z realizacją zadań laboratoryjnych – ocenę sprawozdań z realizacji zadań,  ocenę wiedzy i umiejętności wykazanych na egzaminie pisemnym o charakterze problemowym (na egzaminie student może korzystać z tylko własnoręcznie przygotowanych notatek) oraz – w przypadkach szczególnych – na egzaminie ustnym.
Exam:
yes
Literature:
1. R. C. Dorf, R. H. Bishop: Modern control systems. Addison-Wesley, Reading, 1995. 2. G. F. Franklin, J. D. Powell, and A. Emami-Naeini: Feedback Control of Dynamic Systems, Prentice Hall, Upper Saddle River, 2005. 3. K. Ogata: Modern Control Engineering, Prentice Hall, Upper Saddle River, 2010. 4. P. Tatjewski: Sterowanie zaawansowane obiektów przemysłowych: struktury i algorytmy. Exit, Warszawa, 2016. 5. R. Siegwart, I. R. Nourbakhsh, D. Scaramuzza: Introduction to Autonomous Mobile Robots, The MIT Press, 2nd ed., 2011. 6. S. Russell, P. Norvig: Artificial Intelligence: A Modern Approach, Pearson, 3rd ed., 2009. 7. Springer Handbook of Robotics, eds: B. Siciliano, O. Khatib. Springer. 2nd ed. 2016. 8. Robot Operating System, http://www.ros.org/. 9. I.F. Akyildiz, M.C. Vuran, Wireless Sensor Networks, John Wiley & Sons, 2010. 10. R. Verdone, D. Dardari, G. Mazzini, A. Conti, Wireless Sensor Networks and Actuator Networks. Technologies, Analysis and Design, Elsevier, 2008.
Website of the course:
https://usosweb.usos.pw.edu.pl/kontroler.php?_action=katalog2/przedmioty/pokazPrzedmiot&prz_kod=103A-INSZI-ISP-IMA
Notes:
(-)

Effects of education

General academic profile - knowledge

Charakterystyka W01
knows the basic issues related to the modeling and regulation of dynamic processes
Verification: laboratory, exam
Field of study related learning outcomes: W03
Area of study related learning outcomes: P6U_W, I.P6S_WG.o, III.P7S_WG
Charakterystyka W02
knows the basic issues of mobile robotics
Verification: laboratory, exam
Field of study related learning outcomes: W03
Area of study related learning outcomes: P6U_W, I.P6S_WG.o, III.P7S_WG
Charakterystyka W03
knows the basics of IoT systems and wireless sensor networks
Verification: laboratory, exam
Field of study related learning outcomes: W03
Area of study related learning outcomes: P6U_W, I.P6S_WG.o, III.P7S_WG
Charakterystyka W04
knows the basic issues of machine vision systems
Verification: laboratory, exam
Field of study related learning outcomes: W03, W06
Area of study related learning outcomes: P6U_W, I.P6S_WG.o, III.P7S_WG

General academic profile - skils

Charakterystyka U01
can design and implement algorithms for the regulation of dynamic processes
Verification: laboratory, exam
Field of study related learning outcomes: U03, U04, U01
Area of study related learning outcomes: P6U_U, I.P6S_UW.o, III.P6S_UW.o
Charakterystyka U02
can program mobile robots
Verification: laboratory, exam
Field of study related learning outcomes: U01, U03, U04
Area of study related learning outcomes: P6U_U, I.P6S_UW.o, III.P6S_UW.o
Charakterystyka U03
can use sensors and build sensor networks
Verification: laboratory, exam
Field of study related learning outcomes: U01, U03, U04
Area of study related learning outcomes: P6U_U, I.P6S_UW.o, III.P6S_UW.o
Charakterystyka U04
can program machine vision systems
Verification: laboratory, exam
Field of study related learning outcomes: U03, U04, U01
Area of study related learning outcomes: I.P6S_UW.o, III.P6S_UW.o, P6U_U
Charakterystyka U05
can plan and carry out experiments, present research results in the form of a report, be able to participate in a discussion on the work done and convincingly present the advantages and disadvantages of the solution used
Verification: laboratory, exam
Field of study related learning outcomes: U03, U04, U09
Area of study related learning outcomes: P6U_U, I.P6S_UW.o, III.P6S_UW.o, I.P6S_UK
Charakterystyka U06
can work individually and in a team
Verification: laboratory, exam
Field of study related learning outcomes: U08
Area of study related learning outcomes: P6U_U, I.P6S_UO
Charakterystyka U07
has the ability to self-study
Verification: laboratory
Field of study related learning outcomes: U12
Area of study related learning outcomes: P6U_U, I.P6S_UU

General academic profile - social competences

Charakterystyka K01
is aware of the need to communicate with the environment, including non-professional, in a way that is understandable to the recipient
Verification: laboratory
Field of study related learning outcomes: K05
Area of study related learning outcomes: P6U_K, I.P6S_KO