| Título variante: |
Autonomous Navigation |
| Título variante: |
Navegación Autónoma |
| Fecha: |
2025-26 |
| Resumen: |
Aquí utilitzem el concepte de navegació autònoma per referir-nos al coneixement científic i tècnic necessari per dotar de moviment intel·ligent sistemes físics. Aquesta àmplia definició abasta una varietat de sistemes, inclosos petits objectes que es mouen a través del torrent sanguini per monitoritzar i garantir la salut, robots domèstics o industrials que ajuden en tasques que requereixen mobilitat, vehicles aeris no tripulats que monitoritzen àrees forestals per prevenir incendis o fer rescats, robots submarins no tripulats que exploren el fons marí, vehicles autònoms per al lliurament de mercaderies i robotaxis o autobusos autònoms per al transport de persones. Cadascun d'aquests sistemes presenta característiques úniques i afronta desafiaments particulars. De fet, per capturar els principals punts en comú i diferències entre múltiples sistemes amb capacitats de navegació autònoma, podríem proposar assignatures separades centrades en nanobots 1 capacitats de navegació autònoma, podríem proposar assignatures separades centrades en nanobots corporals, navegació autònoma submarina, navegació autònoma aèria, navegació autònoma terrestre a zones no estructurades i navegació autònoma terrestre a zones estructurades. Certament, tots aquests coneixements no es poden abastar en una única assignatura universitària de 6 ECTS com la que ens ocupa. Per tant, no és estrany que, quan se'n van planificar els continguts en el marc del grau en IA de la UAB, es va decidir posar el focus en la tecnologia de conducció autònoma de vehicles com cotxes, camions o autobusos que han de transportar persones i mercaderies en entorns terrestres regulats. Tot i així, la conducció autònoma es basa en coneixements multidisciplinaris, per la qual cosa hem de destacar uns continguts sobre altres segons el context en què s'emmarca l'assignatura. Per exemple, en el context d'un grau d'Enginyeria de Telecomunicacions, la conducció cooperativa Vehicle-to-X seria especialment rellevant; en el context d'un grau d'Enginyeria de Sistemes Industrials i Automatització, els temes de planificació local i control d'una arquitectura modular clàssica de conducció autònoma serien coneixements bàsics; en el context d'un grau de Física, els sensors que permeten la conducció autònoma mereixeran un interès especial. L'assignatura que ens ocupa està al grau en IA de la UAB. Per tant, ens centrarem en el coneixement científic i tècnic en la intersecció de la IA i la conducció autònoma. De fet, aquest camp continua sent ampli i està en contínua evolució, i hi haurà molts temes que no es tractaran. Preferim centrar-nos en menys temes amb més profunditat en comptes de cobrir més temes de manera superficial. Tenint en compte l'experiència adquirida en aquesta assignatura en cursos anteriors, ens centrarem en els models profunds sensoriomotors per a la conducció autònoma (de vegades anomenats a la literatura com a conducció autònoma de extrem a extrem), on l'aprenentatge per imitació juga un paper clau. Cal destacar que aquest és el paradigma d'IA i naturalisme més "pur". Per tant, deixem de banda els enfocaments tradicionals de conducció autònoma basats en mòduls explícits per a la percepció semàntica, la planificació i el control local, els mapes 3D d'alta definició i SLAM, ja que aquests enfocaments sorgeixen del mètode de divideix i venceràs propi de l'enginyeria clàssica. A més, abastar tots els paradigmes només seria possible en un enfocament purament teòric de la matèria, mentre que volem que el treball pràctic sigui el nucli de l'assignatura. Per tant, la metodologia docent seguirà un enfocament basat en projectes. Repassarem els conceptes teòrics bàsics perquè l'alumnat pugui captar el panorama general i aprofundir els aspectes específics necessaris a l'hora d'abordar un projecte de conducció autònoma. El projecte específic a resoldre dependrà dels recursos computacionals particulars i del pressupost de materials que s'assignin a la nostra asignatura (aquests no depenen dels docents i poden canviar cada any). No obstant això, en termes generals, el nostre objectiu és seguir l'enfocament habitual que podem trobar al món real, que implica simulació i desenvolupaments al món real. En general, l'objectiu d'aquesta assignatura és exposar l'alumnat, a través de la teoria però principalment de la pràctica, a continguts bàsics rellevants relacionats amb la conducció autònoma, perquè en el futur estiguin preparats per fer front a nous reptes de la navegació autònoma. Per acabar, però no menys important, per assolir l'èxit dels projectes, és fonamental aprendre a treballar eficaçment en un equip. |
| Resumen: |
Autonomous navigation refers here to the scientific and technical knowledge associated with the intelligent movement of physical systems. This broad definition encompasses a variety of systems, including small objects moving through the bloodstream to monitor and ensure health, household or industrial robots aiding in tasks requiring mobility, unmanned aerial vehicles monitoring forest areas to prevent fires or perform rescues, unmanned underwater robots exploring the seafloor, autonomous vehicles for delivering goods, and robotaxis or autonomous buses for urban transportation. Each of these systems presents its own unique characteristics and primary challenges. In fact, to capture the main commonalities and differences between multiple systems with autonomous navigation capabilities, we could propose several separate subjects such as body nanobots, underwater autonomous navigation, air autonomous navigation, unstructured land autonomous navigation, and structured land autonomous navigation. Certainly, all of this knowledge cannot be covered by a single 6-ECTS university subject. Therefore, it is not 1 Certainly, all of this knowledge cannot be covered by a single 6-ECTS university subject. Therefore, it is not surprising that, when it was planned as part of the UAB's AI degree, the focus was on autonomous driving technology for vehicles such as cars, trucks, or buses that must transport people and goods in structured land environments. Still, autonomous driving is based on multi-disciplinary knowledge, thus, we have to emphasize certain contents over others depending on the context of the subject. For instance, in the context of a degree in Telecommunications Engineering, Vehicle-to-X cooperative driving would be especially relevant; in the context of a degree in Automation and Industrial Systems Engineering the topics of local planning and control within a classical autonomous driving stack would be core knowledge; in the context of a degree in Physics, the sensors enabling autonomous driving may deserve especial interest. The subject that brings us together is within the UAB's degree in AI. Therefore, we willfocus on scientific and technical knowledge at the intersection of AI and autonomous driving (AD). As a matter of fact, this field is still broad and continuously evolving, and there will be many topics not covered. We prefer to focus on fewer topics in more depth rather than covering more topics superficially. Considering the experience in this subject gathered in previous courses, we will focus on sensorimotor deep models for autonomous driving (sometimes referred to in the literature as end-to-end AD), where imitation learning plays a key role. Note that this is the "purest" AI and naturalistic paradigm. Therefore, we leave out traditional AD stacks based on explicit modules for semantic perception, local planning and control, HD 3D maps and SLAM, since these stacks arise from the divide-and-conquer approach of classical engineering. Moreover, covering all the paradigms would be only possible in a purely theoretical approach to the subject, while we want practical work to be core. The teaching methodology will follow a project-based approach. We will review the basic theoretical concepts so that students can grasp the overall picture and delve into the specific aspects needed to solve a project on autonomous driving. The specific project to be solved will depend on the particular computational resources and budget for materials that are assigned to our subject (these do not depend on the teachers and may change every year). However, in general terms, we aim to follow the usual approach we can find in the real world, which involves simulation and real-world developments. Overall, the objective of this subject is to expose the students, through theory but mainly practice, to the relevant core contents of AD, so that in the future they are ready to tackle new challenges in autonomous navigation. Last but not least, it is crucial to learn how to collaborate in a team to achieve project success effectively. |
| Resumen: |
Aquí utilizamos el concepto de navegación autónoma para referirnos al conocimiento científico y técnico necesario para dotar de movimiento inteligente a sistemas físicos. Esta amplia definición abarca una variedad de sistemas, incluidos pequeños objetos que se mueven a través del torrente sanguíneo para monitorizar y garantizar la salud, robots domésticos o industriales que ayudan en tareas que requieren movilidad, vehículos aéreos no tripulados que monitorizan áreas forestales para prevenir incendios o realizar rescates, robots submarinos no tripulados que exploran el fondo marino, vehículos autónomos para la entrega de mercancías y robotaxis o autobuses autónomos para el transporte de personas. Cada uno de estos sistemas presenta características únicas y afronta desafíos particulares. De hecho, para capturar los principales puntos en común y diferencias entre múltiples sistemas con capacidades de navegación autónoma, podríamos proponer asignaturas separadas centradas en nanobots corporales, navegación autónoma submarina, navegación autónoma aérea, navegación autónoma terrestre en zonas no estructuradas y navegación autónoma terrestre 1 autónoma aérea, navegación autónoma terrestre en zonas no estructuradas y navegación autónoma terrestre en zonas estructuradas. Ciertamente, todos estos conocimientos no pueden abarcarse en una única asignatura universitaria de 6 ECTS como la que nos ocupa. Por tanto, no es de extrañar que, cuando se planificaron los contenidos de la misma en el marco del grado en IA de la UAB, se decidió poner el foco en la tecnología de conducción autónoma de vehículos como coches, camiones o autobuses que deben transportar personas y mercancías en entornos terrestres regulados. Aún así, la conducción autónoma se basa en conocimientos multidisciplinares,por lo quetenemos que destacar unos contenidos sobre otros dependiendo del contexto en el que se enmarca la asignatura. Por ejemplo, en el contexto de un grado en Ingeniería de Telecomunicaciones, la conducción cooperativa Vehicle-to-X sería especialmente relevante; en el contexto de un grado en Ingeniería de Sistemas Industriales y Automatización, los temas de planificación local y control de una arquitectura modular clásica de conducción autónoma serían conocimientos básicos; en el contexto de un grado en Física, los sensores que permiten la conducción autónoma merecerán un interés especial. La asignatura que nos ocupa está en el grado en IA de la UAB. Por lo tanto, nos centraremos en el conocimiento científico y técnico en la intersección de la IA y la conducción autónoma. De hecho, este campo sigue siendo amplio y está en continua evolución, y habrá muchos temas que no se tratarán. Preferimos centrarnos en menos temas con más profundidad en lugar de cubrir más temas de forma superficial. Teniendo en cuenta la experiencia adquirida en esta asignatura en cursos anteriores, nos centraremos en los modelos profundos sensoriomotores para la conducción autónoma (a veces denominados en la literatura como conducción autónoma de extremo a extremo), donde el aprendizaje por imitación desempeña un papel clave. Cabe destacar que este es el paradigma de IA y naturalismo más "puro". Por lo tanto, dejamos fuera los enfoques tradicionales de conducción autónoma basados en módulos explícitos para la percepción semántica, la planificación y el control local, los mapas 3D de alta definición y SLAM, ya que estos enfoques surgen del método de divide y vencerás propio de la ingeniería clásica. Además, abarcar todos los paradigmas solo sería posible en un enfoque puramente teórico de la materia, mientras que queremos que el trabajo práctico sea el núcleo de la asignatura. Por tanto, la metodología docente seguirá un enfoque basado en proyectos. Repasaremos los conceptos teóricos básicos para que el alumnado pueda captar el panorama general y profundizar en los aspectos específicos necesarios a la hora de abordar un proyecto de conducción autónoma. El proyecto específico a resolver dependerá de los recursos computacionales particulares y presupuesto de materiales que se asignen a nuestra asignatura (estos no dependen de los docentes y pueden cambiar cada año). Sin embargo, en términos generales, nuestro objetivo es seguir el enfoque habitual que podemos encontrar en el mundo real, que implica simulación y desarrollos en el mundo real. En general, el objetivo de esta asignatura es exponer a los estudiantes, a través de la teoría pero principalmente de la práctica, a contenidos básicos relevantes relacionados con la conducción autónoma, para que en el futuro estén preparados para afrontar nuevos retos de navegación autónoma. Por último, pero no menos importante, para alcanzar el éxito de los proyectos, es fundamental aprender a trabajar eficazmente en un equipo. |
| Derechos: |
Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, fins i tot amb finalitats comercials, sempre i quan es reconegui l'autoria de l'obra original.  |
| Lengua: |
Català, anglès, castellà |
| Titulación: |
Grau en Intel·ligència Artificial [2504392] |
| Plan de estudios: |
Intel·ligència Artificial [1497] |
| Documento: |
Objecte d'aprenentatge |
visitante ::
identificación
