Aplicaciones de la Inteligencia Artificial

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