TEL310 Probabilistisk Robotikk

Emnet består av forelesninger og øvelser, problembasert læring fra industripartnere, og dataøvelser, med bruk av programmer i analyse og design av sannsynlighetsalgoritmer. Kurset kompletteres med laboratoriearbeid (labøvelser), et sett med praktiske implementeringsinstruksjoner i simulering ved bruk av Matlab/Simulink-programvare og Python-språk, og feltarbeid (hvis noen) på ekte mobile roboter som bruker ROS-rammeverket.

Forelesninger og øvelser: konsepter presenteres og problemer analyseres.

Dataøvelser: presenterte konsepter praktiseres gjennom veiledninger og øvelser.

Laboratorieøvelser: presenterte konsepter testes på simulerte og ekte roboter.

• Læreren er tilgjengelig for konsultasjon i forelesningsperioden og ellers tilgjengelig på e-post eller avtale.
• Assisterende lærere vil veilede og støtte studenter under øvelser, øvingstimer og laboratorier.
• Kursrom på Canvas.
• Lisenser for The Construct-plattformen vil bli gitt ved starten av kurset.

• Thrun, S., Burgard, W. & Fox, D., "Probabilistic Robotics," The MIT Press, 2005.
• Choset, H., Lynch, K. M., Hutchinson, S., Kantor, G. A., Burgard, W., Kavraki, L. E. & Thrun, S., "Principles of Robot Motion: Theory, Algorithms, and Implementations," The MIT Press, 2005.
• Video klasser: Youtube (Cyrill Stachniss), MATLAB Tech Talks.

• INF120 Programmering og databehandling, ECTS 10.
• TEL240 Reguleringsteknikk og automasjon, ECTS 10.
• TEL200 Introduksjon til robotikk, ECTS 10.
• TEL211 Robotprogrammering, ECTS 10.

K2 - Spesifisert bruk av KI:

I dette kurset oppfordres studentene til å utnytte kunstig intelligens (KI)-verktøy for å forbedre kodingsferdighetene sine. Det er imidlertid spesifikke retningslinjer for riktig bruk av KI-hjelp.

Tillatt bruk av KI-verktøy:

• Feilsøkingshjelp: KI kan brukes til å identifisere og rette feil i kode som studenten har skrevet.
• Kodeoptimalisering: Studentene kan bruke KI-verktøy for å forbedre effektiviteten og lesbarheten til sin egen kode.
• Læring og konseptavklaring: KI-genererte forklaringer av programmeringskonsepter, algoritmer og beste fremgangsmåter for koding er tillatt.
• Dokumentasjon og stilveiledning: KI kan brukes til å avgrense dokumentasjon, kommentarer og overholdelse av kodestandarder.
• Restruktureringsstøtte: Studenter kan bruke KI til å foreslå forbedringer for å restrukturere eksisterende kode samtidig som de sikrer at den forblir deres originale arbeid.

Forbudt bruk av KI-verktøy:

• Kodegenerering: KI må ikke brukes til å produsere hele løsninger eller vesentlige deler av en kodeoppgave.
• Automatisert fullføring av oppgaver: Studenter bør ikke stole på KI-verktøy for å fullføre problemer, prosjekter eller kurs på deres vegne.
• Plagiat eller direkte kopiering: Alt KI-generert innhold som kopieres og sendes inn uten meningsfulle endringer er ikke tillatt.
• Omgå læringsmål: Intensjonen med dette kurset er å utvikle programmeringsferdigheter; bruk av KI på en måte som omgår læringsprosessen er strengt forbudt.

Akademisk integritet og ansvarlighet:

• Avsløring: Hvis AI-verktøy brukes til å feilsøke eller forbedre kode, må studentene angi hvordan og hvor de brukte AI-hjelp i innleveringen.
• Originalitet: All innsendt kode må være studentens eget arbeid, med KI som fungerer som et støtteverktøy i stedet for en erstatning for personlig innsats.
• Konsekvenser av misbruk: Ethvert brudd på disse retningslinjene kan resultere i straffer, inkludert reduserte karakterer, krav til ny innlevering av oppgaver eller disiplinære tiltak i henhold til universitetets retningslinjer for akademisk integritet.

Ved å følge disse retningslinjene kan studentene dra nytte av KI-drevet læring samtidig som de sikrer at de utvikler sterke programmeringsferdigheter uavhengig. Dersom det er spørsmål angående bruk av KI, bør studentene konsultere de som er ansvarlige for kurset for avklaring.

Her finner du KI-kategoriene beskrevet.