ITF20521 Autonome kjøretøy (Vår 2022)

Emnet er tilknyttet følgende studieprogram

Valgfritt emne.

Anbefalte forkunnskaper

Kunnskaper tilsvarende programmering 2.

Undervisningssemester

4. eller 6. semester (vår).

Studentens læringsutbytte etter bestått emne

Kunnskap

Studenten er

• kjent med sentrale prinsipper for autonome kjøretøy.

• kjent med sentrale prinsipper innen AI utvikling for robotikk.

• godt kjent med metoder, teknologi og teknikker for utvikling av autonome kjøretøy

• godt kjent med NVIDIAs rammeverk for utvikling av autonome kjøretøy.

• godt kjent med Robot Operating System (ROS).

Ferdigheter

Studenten kan

• bruke utviklingsverktøy for utvikling av autonome kjøretøy.

• bruke NVIDIA sine rammeverk for autonome kjøretøy og smarte roboter.

• utvikle programvare og løsninger for autonome kjøretøy ved hjelp av NVIDIA maskinvare og ROS som programløsning.

• hente inn data fra sensorer og benytte denne dataen i forbindelse med autonome oppdrag som gjennomføres av robot systemet.

• jobbe med store datamengder fra sensorer og skape et datagrunnlag for gjennomføringen av forhåndsbestemt oppdrag.

• dokumentere avanserte utviklingsprosjekter for å muliggjøre reproduksjon av prosjektet i ettertid.

Generell kompetanse

Studenten kan

• planlegge, gjennomføre og dokumentere et utviklingsprosjekt av et autonomt kjøretøy.

• utvikle avanserte programløsninger for autonome kjøretøy.

• implementere avanserte algoritmer for gjennomføring av autonome operasjoner.

• jobbe både alene og i team for å utvikle avanserte robotikk løsninger i Nvidias rammeverk og ROS.

Innhold

Hovedfokuset i emnet vil gå på å utvikle autonome kjøretøy ved hjelp av programvare og maskinvare fra NVIDIA, spesifikt vil Jetson Nano mikrokontrollere være en viktig del av emnet. Ytterligere vil Robot Operating System (ROS) bli benyttet aktivt i emnet for å muliggjøre utvikling av programvare som kan implementeres i industrien.

I løpet av emnet vil studentene utvikle løsninger for en autonom racerbil som skal kjøre igjennom en forhåndsdefinert bane. I løpet av emnet vil også implementering av andre autonome operasjoner som 3D mapping av et område, Søk og Redning og andre avanserte operasjoner kunne implementeres basert på interessen blant studentene.

Hovedfokuset vil ligge på å lage autonome kjøretøy som kan gjennomføre operasjoner uten manuell kontroll fra operatører.

Temaer som vil dekkes i emnet:

• Robot Operating System (ROS)

• NVIDIA Cuda / Jetson / AI

• Algoritmer for autonome kjøretøy

• Sensorfusjon for autonome kjøretøy

• LIDAR sensorer

• RGBD kamera sensorer

• Kontrollsystemer for robotikk

• Oppdragsplanlegging og gjennomføring

• Programmering av autonome racerbiler

Emnet vil i stor grad struktureres rundt gjennomføring av et racerbilløp der studentgruppene skal konkurrere mot hverandre.

Av hensyn til den raske utviklingen i dette fagfeltet vil innholdet variere noe fra år til år. Dette gjøres for å påse at emnet til enhver tid gjenspeiler gjeldende trender i fagfeltet og benytter seg av moderne teknikker og teknologi.

Undervisnings- og læringsformer

Samlingsforelesinger, seminarer, lab-øvelser og prosjektarbeid. Mye av undervisningsmaterialet vil gjøres tilgjengelig i form av videoer som produseres for de forskjellige temaene.

Emnet er særdeles prosjektfokusert. Emnet har faglige samlingsforelesinger for aktuelle temaer jevnlig, men mye av arbeidet foregår som lab-øvelser der studentene selv har ansvar for å gjennomføre de obligatoriske prosjektene og eventuelt søke hjelp av faglærere eller labassistenter når det er nødvendig.

Arbeidsomfang

Ca 250 timer.

Arbeidskrav - vilkår for å avlegge eksamen

Studentene skal jobbe i grupper på 2-4 studenter og skal:

• levere inntil 4 obligatoriske oppgaver.

• gjennomføre inntil 4 praktiske tester med et autonomt kjøretøy basert på de obligatoriske oppgavene.

Om det er få studenter i emnet kan individuelle prosjekter vurderes.

Arbeidskrav må være godkjent før studenten fremstiller seg til eksamen.

Eksamen

Eksamen består av to komponenter:

1. Mappeinnlevering i gruppe som består av prosjektdokumentasjon for utviklingsprosjektet, kode som er utviklet for prosjektet og en video som viser testing og race gjennomføringen.

2. Muntlig eksamen i gruppe som er basert på pensum i faget og gruppens prosjekt.

Det gis en individuell karakter, karakterskala A-F.

Sensorordning

Ekstern og intern sensor eller to interne sensorer.

Vilkår for ny/utsatt eksamen

Ved ny og utsatt eksamen må begge eksamenskomponentene gjennomføres/leveres på nytt. Ny og utsatt eksamen må tas ved neste ordinære eksamen i emnet.

Evaluering av emnet

Dette emnet evalueres på følgende måte:

• Midtsemesterevaluering (obligatorisk)

Den emneansvarlige lager en oppsummering på bakgrunn av studentenes tilbakemeldinger og sine egne erfaringer med emnet. Oppsummeringen behandles av studiekvalitetsutvalget ved avdeling for informasjonsteknologi.

Litteratur

Litteratur bestemmes innen 1. desember 2021.

En stor andel av litteraturen som blir benyttet vil være nettressurser, videoressurser eller kompendier.