Faglig innhold

Hvordan kan roboter se, gjenkjenne, respondere på og lære fra omgivelsene?

Dette emnet inneholder et utvalg av tema relatert til robotsyn og kunstig intelligens, f.eks.:

• grunnleggende bildeanalyse
• grunnleggende 3D-modellering
• programvare og digitale verktøy for datasyn/maskinsyn/robotsyn
• objektgjenkjenning og -sporing
• estimering av optisk flyt
• bildemanipulering
• sannsynligheter, statistikk, regresjon og klassifisering
• grunnleggende maskinlæring
• kunstige nevrale nettverk
• eventuelt andre relevante tema

Mer informasjon om pensum blir tilgjengeliggjort ved starten av semesteret.

Læringsutbytte

Kompetanse

Etter å ha gjennomført emnet kan kandidaten

• anvende digitale og fysiske verktøy til å implementere praktiske løsninger innen robotsyn og kunstig intelligens.
• drøfte aspekter av robotsyn og kunstig intelligens mht. etikk og bærekraft.
• presentere problemstillinger, løsningsmetoder, og resultater på en profesjonell og tilnærmet vitenskapelig måte.

Kunnskap og ferdigheter

Etter å ha gjennomført emnet, kan kandidaten

• forklare og sammenlikne teori, virkemåte, styrker og svakheter til metoder presentert i emnet.
• demonstrere bruk av metoder presentert i emnet, både gjennom digitale verktøy, simulering, og fysisk implementering.

Læringsformer og aktiviteter

Emnet benytter hovedsaklig en blanding av forelesninger, øvingstimer og praktisk rettet laboratoriearbeid/prosjektarbeid som læringsformer. Det benyttes en konstruktivistisk tilnærming til læring, med stort fokus på problemløsing og praktisk anvendelse av teori.

Obligatoriske aktiviteter

• Obligatoriske læringsaktiviteter

Mer om vurdering

Endelig karakter settes basert på en helhetlig vurdering av mappen. Mappen består av arbeid som utføres og dokumenteres gjennom digitale mappeinnleveringer gjennom semesteret. Slikt arbeid kan f.eks. involvere:

• programvare
• øvinger
• tekniske rapporter
• essays
• refleksjonsnotat
• video, f.eks. demonstrasjon av arbeid eller testing av kunnskap
• andre typer arbeid.

Både individuelt arbeid og gruppearbeid kan forekomme. Arbeidet er utformet for å bidra til at studentene oppnår de ønskede læringsmål i emnet, og det gis tilbakemeldinger underveis.

Ved utsatt eksamen gjennomføres muntlig prøve i august.

Det vil også bli gjennomført obligatoriske læringsaktiviteter (arbeidskrav) som må godkjennes for at mappen skal kunne vurderes.

Mer informasjon vil bli tilgjengeliggjort ved semesterstart.

Spesielle vilkår

Anbefalte forkunnskaper

Det er anbefalt at studenter har gode forkunnskaper i matematikk, statistikk, programmering, og mekatronikk/elektronikk og fastvare, f.eks. ved å ha gjennomført følgende emner (eller tilsvarende):

• IMAA1002 Matematikk for ingeniørfag 1
• IMAA2012 Matematikk for ingeniørfag 2
• ISTAA1002 Statistikk
• AIS1003 Objektorientert programmering for kyberfysiske systemer
• AIS1104 Automatisering og mekatronikk med prosjekt

Forkunnskapskrav

Emnet har ikke forkunnskapskrav. Det er et krav at innrullerte studenter er tatt opp på studiet som emnet er tilknyttet.

Kursmateriell

En oppdatert oversikt over emnet, inkludert pensum, gjøres tilgjengelig innen oppstart av semesteret og kan også inneholde engelskspråklig materiale.