Plan 95 Adecuado ASIGNATURA: APLICACIONES DE LA INTELIGENCIA ARTIFICIAL DEPARTAMENTO: ELECTRÓNICA ÁREA: SISTEMAS DE CONTROL CODIGO: 95-0492 CLASE: ELECTIVA HORAS SEM.: 4 HS. HORAS / AÑO: 64 HS. Fundamentación: Que los alumnos resuelvan problemas de Ingeniería aplicando técnicas de Inteligencia Artificial en áreas donde las herramientas clásicas no obtienen resultados satisfactorios. Se procura brindar a los egresados que hayan elegido esta asignatura, un conjunto de herramientas que amplíe sus posibilidades de resolución de problemas en la vida académica y profesional. Especialmente en aquellos problemas donde exista una expansión exponencial de alternativas, estén formulados en forma difusa, no tengan una teoría bien establecida, sólo puedan ser descriptos mediante ejemplos, o las alinealidades compliquen su tratamiento convencional, etc. Se pretende además, introducir a los alumnos interesados en las actividades de investigación en la carrera de investigador tecnológico, mediante su participación en proyectos PID del Grupo de Inteligencia Artificial y Robótica. Objetivos: Comprender que es Inteligencia Artificial, y donde es conveniente su aplicación Introducir al alumno en la temática de la Investigación y lectura/escritura de trabajos científicos Resolver Problemas del tipo Intratables donde la Complejidad Algorítmica, impone la utilización de Métodos de Búsqueda heurísticos. Aplicar, Lenguajes de programación Simbólica y Lógica para la Representación de Conocimiento, Aplicar a problemas de Ingeniería Electrónica Sistemas Expertos e Ingeniería del Conocimiento. Aplicar al Control Automático Lógicas Multivaluadas, Lógica Difusa y Redes Neuronales Artificiales. Aplicar Redes Neuronales Artificiales al reconocimiento de patrones y a la interpolación de señales en tiempo real. Programa sintético: • Unidad Temática 1- Áreas de la IA aplicadas a la robótica móvil • Unidad Temática 2- Sistemas Expertos y generación de planes • Unidad Temática 3- Servocontrol digital vs Control Difuso • Unidad Temática 4- Redes Neuronales y Neuro control su implementación en hardware programable • Unidad Temática 5- Visión Artificial, procesamiento de imágenes y localización • Unidad Temática 6- Sensores Sistemas y Métodos de posicionamiento para robots móviles • Unidad Temática 7- Arquitecturas de control para robots móviles Programa analítico: Unidad 1: Áreas de la IA aplicadas a la robótica móvil Tipos de problemas. Generación de planes. Detección del entorno. Actuación y posicionamiento. Herramientas disponibles y su rango de aplicación Unidad 2: Sistemas Expertos y generación de planes Objetivos y problemas que enfrenta la navegación autónoma. Definición del entorno. El problema de la búsqueda. Generación de sub-objetivos. Métodos heurísticos Unidad 3: Servocontrol digital vs Control Difuso El sevocontrol digital para robótica. Introducción a control difuso. El controlador PID difuso. Sistemas autoconfigurables. Software para desarrollo (Matlab) El motor de inferencia en lenguaje C Unidad 4: Redes Neuronales y Neuro control su implementación en hardware programable El controlador autoajustable. Introducción a Neuro Control y su aplicación a un brazo de 2 grados de libertad. La neurona como unidad de procesamiento. Modelo circuital. Implementación en hardware. Lenguaje VHDL - Hardware programable Unidad 5: Visión Artificial, procesamiento de imágenes y localización Técnicas de procesamiento de Imágenes. Metrología sobre Imágenes 3D. Técnicas Avanzadas, Transformada Hough, Efecto Moiré. Fusión de sensores. Un procesador de imágenes en lenguaje C. Telemetría laser Unidad 6: Sensores, Sistemas y Métodos de posicionamiento para robots móviles Odometría y otros métodos de registro de recorrido. Métodos de triangulación ultrasónica y óptica. Navegación por marcas. Posicionamiento basado en mapas. Posicionamiento por visión Unidad 7: Arquitecturas de control para robots móviles Requerimientos y restricciones, Modelado del Sistema. Estructuras jerárquicas. Control centralizado versus Control distribuido Estrategias Metodológicas: • Modalidades de enseñanza empleadas según tipo de actividad (teórica-práctica) Clases de temas con desarrollo de temas teóricos a cargo del cuerpo docente, Ejemplos prácticos, organización de comisiones de trabajo para la ejecución de trabajos prácticos, que se defienden frente al resto del curso con una dinámica similar a la defensa de una tesina, según un reglamento preestablecido. • Recursos didácticos para el desarrollo de las distintas actividades (guías, esquemas, lecturas previas, computadoras, software, otros) Apuntes, esquemas, lecturas previas, computadoras con software especifico , proyector Evaluación: Modalidad 4 Trabajos prácticos a desarrollar en equipo y su defensa frente a clase de acuerdo a un reglamento consensuado al principio de cuatrimestre Requisitos de regularidad Aprobación de los trabajos prácticos Requisitos de aprobación Realizar y defender una tesina de sobre un tema a elección del alumno consensuado con la cátedra según un formato preestablecido al principio del cuatrimestre Articulación Horizontal y vertical con otras materias: Se abordan problemas de control automático y tratamiento de señales e imágenes con herramientas propias de la inteligencia artificial. Las técnicas de control difuso son particularmente atractivas para los problemas de control no lineal o en el caso de múltiples entradas múltiples salidas (MIMO), como en los casos de robótica móvil con técnicas de localización y mapeo simultáneo (SLAM). Las técnicas de redes neuronales son aplicables con éxito para el caso de filtrado de señales, interpolación, identificación de sistemas y reconocimiento de patrones, etc. En algunos casos la interacción con otras materias de la carrera es permanente, debido a que los docentes forman parte del GIAR. Tal es el caso de DSP y GPU. En otros casos se realiza en forma horizontal en contacto directo con los docentes. Bibliografía: BIBLIOGRAFÍA OBLIGATORIA Russell, S.; Norvig, P. (2003) Inteligencia Artificial — Un Enfoque Moderno (2ª ed.). Madrid: Prentice Hall Hispanoamericana Verrastro C.; Gómez J.C.; Alcoberro R (2009). http//www.secyt.frba.utn.edu.ar/gia [16 marzo de 2011] Algoritmos Gómez, J.C. Fuzzy Control (2008) [en línea] Buenos Aires, http://www.edutecne.utn.edu.ar/tutoriales.html [16 marzo de 2011] Genéticos edUTecNe, [en línea] Disponible en BIBLIOGRAFÍA COMPLEMENTARIA Feng, L. Borenstein J., and Everett,H.R. (1996). Where am I: Sensors and methods for mobile robot positioning,. Technical Report UM-MEAM-94-21, MI USA: University of Michigan Ajenjo,A.D. (1993). Tratamiento digital de Imágenes. Madrid: Anaya Multimedia. Ward, P. and Mellor, S.(1986). Structured Development for Real-time Systems.New York: Yourdon Press, Kandell, A. (1986). Fuzzy Mathematical Techniques with applications. New York: Addison Wesley Kuchen,B. Carelli,R. Gambier,A. (1988).Control Digital. San Pablo, Brasil: EBAI Fu, K.S.. González, R.C. Lee, C.S.G. (1988). Robótica. Control, detección, visión e inteligencia. España: McGraw-Hill latinoamericana Shapiro, L. Stockman, G. (2001). Computer Vision. New York: Prentice Hall Correlativas: Para cursar: Cursada: Introducción a la Inteligencia Artificial Aprobada: Para rendir: Aprobada: Introducción a la Inteligencia Artificial