Циљ предмета је да се студенти упознају са основама развоја когнитивних способности робота у функцији остваривања аутономног понашања приликом извршавања постављеног задатка у реалном окружењу. Основне теоријске поставке, везане за развој когнитивне роботике и остваривање аутономног понашања, студенти ће спознати кроз анализу и примену алгоритама машинског учења и computational intelligence техника вештачке интелигенције. Научно-истраживачки рад студента подразумева алгоритамско-софтверско решење проблема и примену новоразвијене методе базиране на computational intelligence техникама, у циљу успешног доказивања и имплементације постављене хипотезе у домену афирмације когнитивних способности робота. Оцена перформанси и тачности развијених алгоритамско-софтверских решења биће спроведена у експерименталном процесу, уз коришћење робота и одговарајућих сензора, што за коначан циљ има овладавање знањима и вештинама неопходним за научни рад и истраживање у оквиру комплексног развоја и примене когнитивне роботике.

Очекивани исходи учења подразумевају да би студенти требало да буду оспособљени да изврше самосталну анализу могућности примене когнитивне роботике, као и да остваре сопствени развој нових метода машинског учења базираних на computational intelligence техникама, уз примену новоразвијених алгоритамско-софтверских решења у циљу постизања аутономног понашања робота приликом извршавања задатка у оквиру лабораторијског - физичког модела технолошког окружења. Затим, да могу да реализују напредно програмирање новоразвијених математичких модела у MATLAB® програмском окружењу и остваре експерименталну верификацију аутономног понашања робота, уз анализу остварених резултата и поређење са тренутним стањем у истраживачкој области, код нас и у свету. Критичка анализа релевантних референци у области когнитивне роботике је подразумевани исход учења, уз способност за тимски рад.

Когнитивна роботика – развој аутономног понашања робота и примена у напредним технологијама 21. века. Аутономни роботи - машинско учење на основу сопственог искуства; учење од учитеља-демонстратора; развијање способности да ефективно делују у реалном окружењу. Подсистеми и функције аутономног робота: • Машинско (компјутерско) гледање • Сензорисање блискости • Антиципација и планирање • Програмабилно кретање (мобилност) • Само-организовање и репродуковање акција • Способност учења на грешкама • Дуготрајно стицање знања на основу сопственог искуства • Способност самосталног истраживања технолошког окружења, итд. Емпиријско управљање робота; алгоритми и механизми. Примена машинског учења и computational intelligence техника у аутономним роботским системима са примарним циљем остваривања адекватних акција и реакција у реалним ситуацијама у окружењу (пример аутономног мобилног робота који је у стању да доноси самосталне одлуке у интеракцији са технолошким окружењем и да при томе континуирано учи).

Сензорски подсистеми: сензори растојања (ултразвучни и ласерски сензори) и камера (стерео машинско гледање). Сензорски модели: модели сензора даљине, модел камере. Оцењивање положаја мобилног робота током експлоатације - локализација. Симултано одређивање положаја мобилног робота и положаја карактеристичних објеката у окружењу (SLAM). Планирање путање кретања и будућих акција. Хибридни управљачки систем мобилног робота на бази алгоритма оптимизације колонијом свитаца и хомографије. Аутономно понашање мобилних робота – машинско учење и генерисање комплексних акција робота на основу демонстрација (преко примера) од стране учитеља: учење на основу демонстрација.

Превасходно завршен технички факултет.

1. З. Миљковић, М.М. Петровић, ИНТЕЛИГЕНТНИ ТЕХНОЛОШКИ СИСТЕМИ - са изводима из роботике и вештачке интелигенције (I издање), Oсновни универзитетски уџбеник, Универзитет у Београду – Машински факултет, XXVIII+409 стр., Београд, 2021, 18.1 2. З. Миљковић, Д. Алексендрић, ВЕШТАЧКЕ НЕУРОНСКЕ МРЕЖЕ – збирка решених задатака са изводима из теорије (II издање), Помоћни универзитетски уџбеник, Универзитет у Београду - Машински факултет, 2018, 18.1 3. З. Миљковић, СИСТЕМИ ВЕШТАЧКИХ НЕУРОНСКИХ МРЕЖА У ПРОИЗВОДНИМ ТЕХНОЛОГИЈАМА, Серија монографских дела Интелигентни технолошки системи, Књига 8, Универзитет у Београду - Машински факултет, 2003, 18.1 4. Лабораторијски прототипови мобилних робота (Khepera II мобилни робот са хватачем KheGrip и камером CMUcam VISION TURRET–KheCMUCam; LEGO Mindstorms NXT и LEGO Mindstorms EV3 комплети реконфигурабилних мобилних робота опремљени сензорима и микроконтролерима), Лабораторија CeNT, Машински факултет у Београду. 5. Лабораторијски модел пројектованог технолошког система (учило), Лабораторија CeNT, Машински факултет у Београду. 6. Софтверски пакети (BPnet, ART Simulator, MATLAB®), Лабораторија CeNT, Машински факултет у Београду.

укупан фонд часова: 65

ново градиво: 30
разрада и примери (рекапитулација): 20

аудиторне вежбе: 0
лабораторијске вежбе: 0
рачунски задаци: 0
семинарски рад: 0
пројекат: 0
консултације: 0
дискусија/радионица: 0
студијски истраживачки рад: 0

преглед и оцена рачунских задатака: 0
преглед и оцена лабораторијских извештаја: 0
преглед и оцена семинарских радова: 10
преглед и оцена пројекта: 0
колоквијум са оцењивањем: 0
тест са оцењивањем: 0
завршни испит: 5

активност у току предавања: 20
тест/колоквијум: 0
лабораторијска вежбања: 0
рачунски задаци: 0
семинарски рад: 40
пројекат: 0
завршни испит: 40
услов за излазак на испит (потребан број поена): 40

R.Siegwart, I.R.Nourbakhsh, D.Scaramuzza, (2011) INTRODUCTION TO AUTONOMOUS MOBILE ROBOTS, 2nd Edition, The MIT Press.; E.Alpaydin, (2010) INTRODUCTION TO MACHINE LEARNING, 2nd Edition, The MIT Press, Cambridge, Massachusetts London, England.; Yang,X.S., (2010) ENGINEERING OPTIMIZATION: AN INTRODUCTION WITH METAHEURISTIC APPLICATIONS, Wiley.; Dudek,G., Jenkin,M., (2010) COMPUTATIONAL PRINCIPLES OF MOBILE ROBOTICS, Cambridge University Press.; Nolfi,S., Floreano,D., (2000) EVOLUTIONARY ROBOTICS: THE BIOLOGY, INTELLIGENCE, AND TECHNOLOGY OF SELF-ORGANIZING MACHINES, The MIT press. ;