Cel kształcenia i wykaz literatury

Główny cel kształcenia: Poznanie podstawowych zagadnień z związanych z programowaniem robotów mobilnych.

Ogólne informacje o zajęciach:

Materiały dydaktyczne: http://kwiktor.kia.prz.edu.pl/dydaktyk.html

Wykaz literatury, wymaganej do zaliczenia zajęć

Literatura wykorzystywana podczas zajęć wykładowych

1	Siegwart R., Nourbakhsh I.	Introduction to Autonomous Mobile Robots	MIT Press.	2004
2	Borenstein J.	Where am I? Systems and Methods for Mobile Robot Positioning	The University of Michigan.	1996
3	Szeliski R.	Computer Vision: Algorithms and Applications	Springer.	2010

Literatura wykorzystywana podczas zajęć ćwiczeniowych/laboratoryjnych/innych

1

Dokumentacja ROS2, https://docs.ros.org/

.

Wymagania wstępne w kategorii wiedzy/umiejętności/kompetencji społecznych

Wymagania formalne: Student wpisany na 6 semestr studiów inżynierskich.

Wymagania wstępne w kategorii Wiedzy: Podstawy robotyki i teorii sterowania.

Wymagania wstępne w kategorii Umiejętności: Potrafi programować w językach C i Matlab.

Wymagania wstępne w kategorii Kompetencji społecznych: Uczciwość, komunikatywność, umiejętność radzenia sobie z emocjami i ze stresem, odpowiedzialność i szacunek do innych.

Efekty kształcenia dla zajęć

MEK	Student, który zaliczył zajęcia	Formy zajęć/metody dydaktyczne prowadzące do osiągnięcia danego efektu kształcenia	Metody weryfikacji każdego z wymienionych efektów kształcenia	Związki z KEK	Związki z PRK
01	Zna proste układy sterowania robotami mobilnymi	wykład, laboratorium	sprawdzian	K_W04+ K_U01+++ K_U02++ K_K07++	P6S_KO P6S_UW P6S_WG
02	Opracowuje podstawowe oprogramowanie dla robotów mobilnych	wykład, laboratorium	sprawdzian	K_W04+++ K_U01+ K_U02++ K_U06+ K_U17+++ K_K01+ K_K07+++	P6S_KK P6S_KO P6S_UU P6S_UW P6S_WG
03	Ma podstawową wiedzę na temat zastosowań metod wizji komputerowej, lokalizacji i nawigacji w robotyce mobilnej	wykład, laboratorium	sprawdzian	K_W04+ K_U01++ K_U02++ K_U06+ K_K01++ K_K07+++	P6S_KK P6S_KO P6S_UU P6S_UW P6S_WG

Uwaga: W zależności od sytuacji epidemicznej, jeżeli nie będzie możliwości weryfikacji osiągniętych efektów uczenia się określonych w programie studiów w sposób stacjonarny w szczególności zaliczenia i egzaminy kończące określone zajęcia będą mogły się odbywać przy użyciu środków komunikacji elektronicznej (w sposób zdalny).

Treści kształcenia dla zajęć

Sem.	TK	Treści kształcenia	Realizowane na	MEK
6	TK01	Podstawowe zagadnienia robotyki mobilnej, podział robotów.	W01
6	TK02	Nieliniowe równania różniczkowe. Podstawy kinematyki robotów kołowych.	W02, W03, L01	MEK01
6	TK03	Kinematyka robota nieholonomicznego. Sterowanie w układzie otwartym i zamkniętym.	W04, W05, L02, L03	MEK01 MEK02
6	TK04	Kinematyka robota holonomicznego. Sterowanie w układzie otwartym.	W06	MEK01 MEK02
6	TK05	Robot kołowy Pioneer 3-AT. Programowanie robotów z wykorzystaniem biblioteki ARIA. Przetwarzanie informacji z czujników.	W07	MEK01 MEK02
6	TK06	Środowisko symulacyjne robotów mobilnych ROS (Robot Operating System).	W08, W09, L04, L05	MEK01 MEK02
6	TK07	Zastosowanie metod wizji komputerowej i sztucznej inteligencji w robotyce.	W10, W11, L06, L07	MEK02 MEK03
6	TK08	Metody lokalizacji i nawigacji robotów mobilnych.	W12	MEK01 MEK02 MEK03

Nakład pracy studenta

Forma zajęć	Praca przed zajęciami	Udział w zajęciach	Praca po zajęciach
Wykład (sem. 6)		Godziny kontaktowe: 25.00 godz./sem.	Uzupełnienie/studiowanie notatek: 5.00 godz./sem.
Laboratorium (sem. 6)	Przygotowanie do laboratorium: 8.00 godz./sem. Przygotowanie do kolokwium: 15.00 godz./sem.	Godziny kontaktowe: 15.00 godz./sem.	Dokończenia/wykonanie sprawozdania: 15.00 godz./sem.
Konsultacje (sem. 6)
Zaliczenie (sem. 6)

Sposób wystawiania ocen składowych zajęć i oceny końcowej

Forma zajęć	Sposób wystawiania oceny podsumowującej
Wykład	Brak oceny.
Laboratorium	Na podstawie sumy uzyskanych punktów.
Ocena końcowa	Ocena z laboratorium.

Przykładowe zadania

Wymagane podczas egzaminu/zaliczenia
(-)

Realizowane podczas zajęć ćwiczeniowych/laboratoryjnych/projektowych
(-)

Inne
(-)

Czy podczas egzaminu/zaliczenia student ma możliwość korzystania z materiałów pomocniczych : nie

Treści zajęć powiazane są z prowadzonymi badaniami naukowymi: tak

1	B. Dziadek; C. França; É. Gouveia; T. Krzeszowski; F. Martins; K. Przednowek	System for Estimation of Human Anthropometric Parameters Based on Data from Kinect v2 Depth Camera	2023
2	K. Wiktorowicz	T2RFIS: type-2 regression-based fuzzy inference system	2023
3	P. Hasiec; H. Josiński; T. Krzeszowski; W. Lindenheim-Locher; G. Paleta; M. Paszkuta; J. Rosner; A. Switoński; K. Wojciechowski	YOLOv5 Drone Detection Using Multimodal Data Registered by the Vicon System	2023
4	T. Krzeszowski; J. Rosner; A. Switonski; K. Wojciechowski; M. Zielinski	3D Tracking of Multiple Drones Based on Particle Swarm Optimization	2023
5	C. Calafate; M. Kepski; T. Krzeszowski; A. Switonski	Intelligent Sensors for Human Motion Analysis	2022
6	K. Wiktorowicz	RFIS: regression-based fuzzy inference system	2022
7	T. Krzeszowski; K. Przednowek	Sposób estymacji cech somatycznych, wskaźników somatycznych, komponentów somatotypu, samego somatotypu oraz komponentów składu ciała z wykorzystaniem sensora głębi	2022
8	T. Krzeszowski; K. Wiktorowicz	Identification of time series models using sparse Takagi–Sugeno fuzzy systems with reduced structure	2022
9	T. Krzeszowski; W. Paśko; K. Przednowek; E. Zadarko	Relationship between Eye Blink Frequency and Incremental Exercise among Young Healthy Men	2022
10	T. Krzeszowski; K. Przednowek; K. Wiktorowicz	Sparse regressions and particle swarm optimization in training high-order Takagi–Sugeno fuzzy systems	2021
11	T. Krzeszowski; K. Wiktorowicz	Training Sparse Fuzzy Classifiers Using Metaheuristic Optimization	2021
12	T. Krzeszowski	Member of the Topic Editor team (Topics Board) of the Sensors journal (MDPI)	2020
13	T. Krzeszowski; K. Przednowek	Opracowanie metod do estymacji parametrów antropometrycznych człowieka na podstawie danych z kamery głębokości	2020
14	T. Krzeszowski; K. Wiktorowicz	Approximation of two-variable functions using high-order Takagi–Sugeno fuzzy systems, sparse regressions, and metaheuristic optimization	2020
15	T. Krzeszowski; K. Wiktorowicz	Combined Regularized Discriminant Analysis and Swarm Intelligence Techniques for Gait Recognition	2020
16	T. Krzeszowski; K. Wiktorowicz	Training High-Order Takagi-Sugeno Fuzzy Systems Using Batch Least Squares and Particle Swarm Optimization	2020
17	H. Josiński; T. Krzeszowski; B. Kwolek; A. Michalczuk; A. Świtoński; K. Wojciechowski	Calibrated and synchronized multi-view video and motion capture dataset for evaluation of gait recognition	2019
18	J. Marquez-Barja; C. Calafate; J. Cano; F. Fabra ; T. Krzeszowski; P. Manzoni; J. Wubben	A vision-based system for autonomous vertical landing of unmanned aerial vehicles	2019
19	J. Marquez-Barja; C. Calafate; J. Cano; F. Fabra ; T. Krzeszowski; P. Manzoni; J. Wubben	Accurate Landing of Unmanned Aerial Vehicles Using Ground Pattern Recognition	2019
20	J. Iskra; T. Krzeszowski; K. Przednowek; K. Wiktorowicz	A web-oriented expert system for planning hurdles race training programmes	2019
21	J. Iskra; T. Krzeszowski; K. Przednowek; K. Wiktorowicz	The Application of Multiview Human Body Tracking on the Example of Hurdle Clearance	2019
22	J. Iskra; T. Krzeszowski; K. Przednowek; K. Wiktorowicz	Wspomaganie procesu treningowego w biegach przez płotki z wykorzystaniem modelowania komputerowego	2019
23	T. Krzeszowski	Member of the Program Committee of the 7th International Conference on Sport Sciences Research and Technology Support	2019