Anar al contingut (clic a Intro)

Tancar

Menú

Estudia

Especialització I

Nom de l’assignatura i descripció	Tipus	Crèdits	Grup	Durada
Manipulació Robótica (3501MO3351) L'assignatura presenta diferents manipuladors industrials, així com els actuadors i sensors més comuns. Es treballarà la cinemàtica directa, indirecta i diferencial per als manipuladors industrials més comuns així com la dinàmica i la planificació i seguiment de trajectòries. L'assignatura no només aprofundeix en la teoria sinó també en la programació d'aquests manipuladors per a tasques industrials.	OBobligatòria	6	B	1primer semestre
Robòtica Probabilística (3501MO3352) La robòtica probabilística és una àrea nova i creixent de la robòtica que s'ocupa de la percepció i el control en presència de incertesa. Fonamentada en el camp de l'estadística matemàtica, la robòtica probabilística dota els robots d'un nou nivell de robustesa en situacions del món real. Aquest curs se centra en l'ús de tècniques probabilístiques per a la localització i la construcció de mapes. Introdueix a l'alumne en un conjunt de tècniques i algoritmes en aquest camp. El curs comença presentant els fonaments matemàtics basats en el Filtre de Bayes per evolucionar cap a les formulacions pràctiques depenent de l'aproximació seguida per a implementar la funció de densitat de probabilitat (Filtre de Histograma, Filtre de Partícules i Filtre de Kalman). El curs fusiona les classes teòriques, exercicis de curs i exercicis de laboratori utilitzant dades sensorials de robots reals.	OBobligatòria	6	B	1primer semestre
Sistemes Autònoms (3501MO3353) Algoritmes per permetre que un robot actuï de manera autònoma: arquitectures de control, robòtica basada en comportaments, planificació del moviment, aprenentatge en robòtica i exploració robòtica.	OBobligatòria	6	B	1primer semestre
Geometria Multivista (3501MO3354) 1. Conceptes bàsics de la visió per computador 2. Formació d'imatges i modelatge de càmeres 3. Calibratge de la càmera 4. Detectors i descriptors de característiques 5. Estimació robusta en la visió per ordinador 6. Geometría de múltiples vistes 7. Estructura a partir del moviment i sistemes d'optimització 8. Visió per ordinador en temps real i visió aplicada a sistemes robòtics 9. Sistemes d'imatges òptiques no convencionals	OBobligatòria	6	B	1primer semestre
Aprenentatge Automàtic (3501MO3355) 1. Revisió de l'àlgebra lineal 2. Regressió lineal amb una variable 3. Regressió lineal amb múltiples variables 4. Regressió logística 5. Arbres de decisió 6. Regla de Bayes 7. Xarxes neuronals 8. Màquines de vector suport 9. Mètodes d'acoblament	OBobligatòria	6	B	1primer semestre

Ampliació Especialització I

Nom de l’assignatura i descripció	Tipus	Crèdits	Grup	Durada
Projecte de Intervenció (3501MO3356) L’objectiu de la manipulació mòbil autònoma és l’execució de tasques de manipulació complexes en entorns potencialment no estructurats i dinàmics. El curs aborda els reptes en teoria de control presents en sistemes de manipulació mòbils. Especificament, es centra en el control multitasca de sistemes redundants de grans dimensions. Es tracta d’un curs pràctic centrat en l’aprenentatge d’algoritmes nous a través de laboratoris i un projecte.	OBobligatòria	6	B	2segon semestre
Projecte de localització (3501MO3357) La localització i mapeig simultani (SLAM) és un procés on un robot autònom construeix un mapa d’un entorn inicialment desconegut alhora que genera una estimació de la seva ubicació. Aquest curs presenta a l'estudiant les 3 implementacions bàsiques del problema: 1) una solució basada en el filtre de partícules, 2) una implementació EKF basada en característiques i 3) una implementació basada en l'estimació de la trajecgoria utilitzant un EKF. Els algoritmes proposats s’avaluen àmpliament tant en simulació com mitjançant experiments de laboratori i un projecte pràctic.	OBobligatòria	6	B	2segon semestre
Projecte de Percepció (3501MO3358) 1. Calibració i metrologia multicàmera 2. Estimació de la posició basada en el mapa 3. Creació de mapes òptics 2D 4. Projecte pràctic	OBobligatòria	6	B	2segon semestre
Projecte de Planificació (3501MO3359) S'estendran els algorismes de planificació de moviment vistos a Sistemes Autònoms per tal de tenir en compte restriccions diferencials, obstacles mòbils, entorns no coneguts a priori, ... S'estudiaran els principal mètodes d'exploració i inspecció automàtics. S'introduiran els mecanismes de planificació de tasques més comuns tant manuals com automàtics. Els alumnes hauran de realitzar un projecte en grup reduït, utilitzant un dels robots disponibles al laboratori, centrat en alguns dels temes tractats durant el curs.	OBobligatòria	6	B	2segon semestre
Gestió i emprenedoria (3501MO3360) 1. Gestió, comunicació i lideratge 2. De la idea al mercat. Pla de negoci 3. Estudis de casos 4. Projecte de treball en equip	OBobligatòria	3	B	2segon semestre
Escriptura científica i bones pràctiques en la investigació (3501MO3361) Principis d’escriptura científica eficaç, procés de publicació científica i ètica de publicació de recerca	OBobligatòria	3	B	2segon semestre

Especialització II

Nom de l’assignatura i descripció	Tipus	Crèdits	Grup	Durada
Percepció 3D i fusió sensorial (3501MO3377) 1. Sistemes actius de percepció 3D (LIDAR, ToF, triangulació làser, etc.) 2. Principis de funcionament 3. Calibratge no paramètric dels sistemes de triangulació per làser 4. Registre de núvols de punts 5. Reconstrucció de superfícies 3D 6. Ajust de superfícies 7. Mesures en núvols de punts 8. Integració dels sensors en els robots	OBobligatòria	7	A	1primer semestre
Detecció i segmentació d'objectes (3501MO3378) The aim of this course is to introduce all the steps needed to develop a CADx medical system, i.e. a system that help physicians to deliver a diagnosis. The topics cover both the traditional scheme including independent image segmentation, characterisation, and classification approaches as well as the recent groundbreaking deep learning technology.	OBobligatòria	5	A	1primer semestre
Aprenentage per reforç (3501MO3379) S'introduirà el concepte d'aprenentatge per reforç. S'estudiaran els mètodes lliures de model així com els aproximadors de funcions. S'introduiran els principals algorismes d'aprenentatge per reforç profund (DRL). També es veuran tècniques de policy search i de mostreig efficient. A la part final del curs, s'introduiran temes més avançats relacionats amb l'aprenentatge per reforç i els estudiants realitzaran un treball sobre un d'ells. Les sessions teòriques aniran acompanyades de pràctiques guiades.	OBobligatòria	6	A	1primer semestre
Tècniques avançades d'aprenentage automàtic (3501MO3380) L'objectiu d'aquesta assignatura és aprofundir en el coneixement de l'aprenentatge automàtic estudiant diferents tècniques i aplicacions avançades de ciència de dades 1. Deep learning 2. Transfer learning 3. Aprenentatge per reforç 4. Xarxes convolucionals per al processament d'imatges 5. Mineria de text. Processament de el llenguatge natural 6. Sistemes recomanadors	OBobligatòria	6	A	1primer semestre
Estadística per a Ciència de Dades (3501MO3381) L'objectiu d'aquesta assignatura és revisar i comprendre els elements estadístics bàsics de la ciència de dades, així com introduir tècniques específiques que formen part del corpus de metodologies de la ciència de dades. 1. Exploració i visualització bàsica de dades. Eines computacionals. 2. Conceptes de probabilitat i inferència estadística. 3. Conceptes i tècniques per l'anàlisi de dades multivariants. 4. Modelització estadística: models lineals, no lineals, generalitzats. 5. Avaluació de models: ajust, capacitat predictiva, validació creuada.	OBobligatòria	6	A	1primer semestre

Treball Final de Master

Nom de l’assignatura i descripció

Tipus

Crèdits

Grup

Durada

Tesi de Màster (3501MO3382)

Tesi de màster sobre sistemes robòtics de camp intel·ligents

NDno definit

30

J

2segon semestre

S

2segon semestre

Escull quins tipus de galetes acceptes que el web de la Universitat de Girona pugui guardar en el teu navegador.

Necessàries

Les imprescindibles per facilitar la vostra connexió. No hi ha opció d'inhabilitar-les, atès que són les necessàries pel funcionament del lloc web.

Preferències

Permeten recordar les vostres opcions (per exemple llengua o regió des de la qual accediu), per tal de proporcionar-vos serveis avançats.

Analytics

Proporcionen informació estadística i permeten millorar els serveis. Utilitzem cookies de Google Analytics que podeu desactivar instal·lant-vos aquest plugin.

Marketing

Per a oferir continguts publicitaris relacionats amb els interessos de l'usuari, bé directament, bé per mitjà de tercers (“adservers”). Cal activar-les si vols veure els vídeos de Youtube incrustats en el web de la Universitat de Girona.