"Pozdravljena
Tina Maze. Mi lahko zaupaš kje skrivaš svoje smuči?". Aha, pod modrim
cilindrom. Tega pa sem že prej srečal, potem, ko sem Petru Prevcu dostavil
njegovo čelado. Najbolje, da se vrnem nazaj, poiskati moram pravo pot. Bolje
bo, da zavijem levo, ker bom prej na cilju, pa še dlje od ovir se bom peljal.
Še njej dostavim njen predmet, pa bom izpolnil mojo nalogo dostavljavca."

Razmišljanje, kot bi
ga ob reševanju kompleksne naloge lahko zapisal človek, je lahko prav podobno
sklepanju računalniškega programa. Seveda, inteligentnega. Inteligentne agente
sestavljajo moduli za umetno zaznavanje (uporaba senzorjev, obdelava signalov,
razpoznavanje predmetov, interpretacija slik, lokalizacija v prostoru), ter
moduli za vodenje, taktično ter strateško sklepanje in učenje. Tako kot ljudje
lahko inteligentni računalniški agenti med izvajanjem nalog zaznavajo okolico,
eksperimentirajo, se učijo in spoznanja uporabljajo pri reševanju prihodnjih
nalog. Pri predmetu Razvoj inteligentnih sistemov bomo spoznali, kako iz
programskih modulov za umetno zaznavanje in umetno inteligenco take agente
sestavimo in uporabljamo. Naučili se bomo, kako za dani problem izberemo prave
metode in kako te povežemo tako, da bodo agentovi podsistemi delovali
usklajeno.

Predmet bo izrazito
praktičen, rešitve bomo implementirali in jih integrirali na pravih robotskih
platformah v robotskem operacijskem sistemu ROS. Delali bomo z mobilnimi
roboti, ki smo jih sestavili iz avtonomnega sesalca iRobot Roomba, RGBD kamere
Kinect ter nekaj druge elektronike. Roboti bodo morali

Such type
of communication and reasoning is needed to solve complex tasks, such as the
one described above. We, humans, are very good in performing such types of
tasks, however intelligent robots are capable of such behavior as well. Such
intelligent agents consist of modules for machine perception (the use of
sensors, signal processing, object recognition, image interpretation, localization),
as well as modules for control, tactical and strategic reasoning and learning. Similarly
as humans, the intelligent robot systems can also perceive the environment,
experiment, learn, and apply the acquired knowledge for solving the tasks in
the future.

The course
is very practically oriented with the emphasis on the hands-on experience. The
solutions will be implemented and integrated on real robotic platforms using
the Robot Operating System, ROS. We will work with mobile robots, which we
built from the robot vacuum cleaner iRobot Roomba, the RGBD camera Kinect and other
electronic parts. The robots will have to autonomously solve complex tasks,
such as the delivery task described above. And of course, to make the development
of such robots even more interesting and challenging, the robots developed by the groups of
students will compete between themselves in a real robot competition. Let
the best robot win!

Ljudje se že od nekdaj navdušujemo nad idejo inteligentnih strojev. Kaj pa sploh je inteligenca? Ali je računalnik, ki premaga svetovnega prvaka v šahu, inteligenten? Ali pa robot, ki samostojno raziskuje površino Marsa? Kaj pa računalniški program, ki diagnosticira raka bolje od zdravnikov specialistov? Se nekateri liki v računalniških igrah obnašajo inteligentno?
Že od nastanka prvih računalnikov se vrstijo znanstvene in filozofske razprave o tem, in ali je možno ustvariti sistem, ki se bo obnašal inteligentno. Raziskave na področju umetne inteligence so poleg razjasnitve teh temeljnih vprašanj prinesle tudi celo vrsto orodij in pristopov za reševanje problemov, ki jih je težko ali nepraktično reševati z drugimi metodami. Pri predmetu Inteligentni sistemi bomo spoznali nekatere najbolj uporabne. Robot ali agent mora v neznanem okolju sklepati. Preiskati mora različne možnosti. Analizirati mora podatke, ki jih zbirajo različni senzorji. Na podlagi svojih uspešnih in neuspešnih dejanj se mora učiti.
Tehnike, ki omogočajo takšno inteligentno vedenje, marsikdaj temeljijo na idejah iz narave, npr. nevronske mreže in evolucijsko računanje, izkoriščajo pa tudi najnovejše dosežke iz statistike, modeliranja, teorije odločanja, procesiranja naravnega jezika in kognitivnega modeliranja. Naš cilj bo priprava na praktično rabo teoretičnih spoznanj in uveljavljenih tehnik na realnih problemih iz znanstvenega in poslovnega okolja.

Vaje pri predmetu potekajo v obliki reševanja nekaterih nalog in posvetovanj z asistentom o seminarskem delu. Oceno vaj predstavlja skupna ocena seminarskih nalog, pri vseh pa je potrebno doseči več kot polovico točk. Pogoj za pozitivno oceno vaj je tudi doseženih polovica vseh točk na spletnih kvizih.

Ocena pri predmetu je sestavljena kot povprečje ocene vaj in ocene pisnega izpita, pri katerem je potrebno doseči več kot polovico točk. Oceno je mogoče izboljšati z ustnim izpitom.


Umetno zaznavanje je hitro razvijajoče se področje, ki je zanimivo tako iz raziskovalnega vidika, kakor tudi aplikacij. V predmetu bomo obdelali osnovne matematične metode in tehnike rečunalniškega vida, ki so sestavni del številnih zanimivih aplikacij. Če ste se kdaj spraševali kakšne metode se uporabljajo v aplikacijah in napravah kot so Googlova očala, avtonomna vozila, izdelava panoramskih slik in avtomatsko editiranje fotografij, bo ta predmet več kot potešil vašo vedoželjnost. Predmet bo pokril naslednje teme: (i) Osnovno procesiranje slik, (ii) Odvodi slik in robovi, (iii) Prileganje modelov, (iv) Lokalni deskriptorji, (v) Stereo sistemi, (vi) Podprostorske metode za razpoznavanje slik, (vii) Detekcija objektov v slikah, (viii) Razpoznavanje objektov, (ix) Osnove izračuna gibanja v videu. Predmet je sestavljen iz predavanj, na katerih bomo pokrili bistveno teorijo in vaj na katerih bodo študentje to teorijo implementirali. Predmet se izvaja v angleškem jeziku.