Evolutionary robotics is a technique of automatic programming of autonomous robots. The lecture shows how robot can be learned to solve tasks instead of their direct programming. Algorithms simulating natural evolution (mainly genetic algorithms with neural networks) enable the robots to evolve their abilities in interaction with their environment. In the accompanying seminary, the students will work with robot simulators and robotic kits.
Last update: T_KSVI (05.05.2004)
Evolučná robotika je technika automatického programovania autonómnych robotov. Prednáška sa zaoberá problémom ako roboty učiť riešiť úlohy namiesto ich priameho programovania. Algoritmy modelujúce evolúciu (prevažne genetické algoritmy s neurónovými sieťami) umožňujú, aby si roboty sami vyvinuli svoje schopnosti v interakcii s prostredím. V rámci cvičenia budú študenti pracovať so simulátormi robotov a robotickou stavebnicou.
Course completion requirements -
Last update: RNDr. František Mráz, CSc. (17.02.2020)
This course is taught in Czech/Slovak only. The requirements to complete the course can be found on the Czech site equivalent.
Last update: RNDr. František Mráz, CSc. (19.02.2018)
A) Cvičení
V doprovodném Moodle-kurzu se budou postupně objevovat úkoly a testy.
Úkoly:
Každý úkol má stanovené datum odevzdání. Řešení lze do systému vkládat postupně a průběžně ho upravovat. Časem odevzdání je čas kliknutí na tlačítko "Odeslat řešení k oznámkování". Po kliknutí na toto tlačítko řešení už nelze opravovat, ale lze zažádat e-mailem učitele o vrácení do stavu rozpracování. Každý úkol bude učitelem oznámkován přidělením 0-10 bodů. Za celý semestr budou zadány 3 úkoly.
Typické řešení úkolu bude sestávat z textu – popisu řešení – a kódu programu/skriptu použitého na vyřešení úkolu. Texty odevzdávejte ve formátu PDF, případně RTF, zdrojové kódy jako jednoduché ASCII soubory. Alternatívne lze odevzdat text i kód v jediném souboru jako jupyter/IPython notebook.
Upozornění: V případě, že bude zjištěno, že N≥2 posluchačů odevzdalo řešení, která se nápadně podobají nebo jsou zcela totožné, budou všechna tato řešení považována za jedno řešení. Toto řešení bude ohodnoceno B body podle jeho kvality, ale každý z těchto N řešitelů získá pouze dolní celou část z B/N bodů.
Testy:
Kromě úkolů, budou postupně zveřejňovány on-line testy. Každý test bude mít stanovené datum, do kterého musí být vyřešen. Řešit test po tomto datu nebude možné. Na druhou stranu daný test lze řešit až třikrát s tím, že se započítává nejlepší výsledek.
Pro získání zápočtu je nutné:
Vypracovat řešení všech úkolů a za řešení každého úkolu získal alespoň 1 bod. POZOR: za pozdní odevzdání úkolu se strhává 1 bod za každý započatý týden po termínu odevzdání!
Vypracovat a přednést řešení projektu na jednom z posledních cvičení nebo v termínu prezentací v zkouškovém období (jeho datum a čas bude dohodnutý na cvičení v posledním týdnu semestru). Témata projektů budou dohodnuté přibližně v půlce semestru na cvičení. Prezentace a odevzdané řešení budou taktéž ohodnoceny dohromady 0-15 body.
Mezi výše uvedenými podmínkami nejsou uvedeny on-line testy. Na cvičeních lze získať dodatečné body
za předvedení řešení úkolu zadaného na cvičení - 1 bod,
za předvedení řešení úkolu zadaného a odevzdaného v Moodlu (po termíně odevzdání) - dolní celá část poloviny bodů, které budou přiděleny za odevzdané řešení.
Body získané za celý semestr budou zkoušejícím započítány do celkové známky za předmět tak, aby tvořily 40% výsledného bodového hodnocení, ze kterého bude odvozena známka při zkoušce.
Získání zápočtu vyžaduje průběžnou práci přes celý semestr, a proto žádné náhradní termíny pro získání zápočtu nebudou vypsány.
B) Přednáška
Jak už bylo zmíněno výše, body získané z cvičení budou započítány s vahou 40% do celkového hodnocení posluchače. Samotná zkouška na konci semestru se započítá 60% do výsledného hodnocení. Posluchač získá známku na základě celkového hodnocení podle následující tabulky
známka 1
známka 2
známka 3
nevyhověl
100%–86%
85%–71%
70%–56%
méně než 56%
Literature - Czech
Last update: RNDr. František Mráz, CSc. (05.05.2015)
S. Nolfi, D. Floreano: Evolutionary robotics: the biology, intelligence and technology of self-organizing machines, The MIT Press, Cambridge, Massachusetts, 2000
R. C. Arkin: Behavior-based robotics, The MIT Press, Cambridge, Massachusetts, 1998
D. Floreano, C. Mattiussi: Bio-Inspired Artificial Intelligence: Theories, Methods, and Technologies, MIT Press, 2008
Syllabus -
Last update: RNDr. František Mráz, CSc. (05.05.2015)
Behavior-based robotics, robot learning, artificial life. Engineering perspective, biological perspective.
Genetic algorithms, artificial neural networks, neural control of a robot, evolution of neural networks, genetic programming. Robot evolution - simulated and physical.
Evolution of simple navigation - straight motion with obstacle avoidance.
