Informações da Disciplina

 Preparar para impressão 

Júpiter - Sistema de Gestão Acadêmica da Pró-Reitoria de Graduação


Escola de Engenharia de São Carlos
 
Engenharia Mecânica
 
Disciplina: SEM0575 - Veículos Terrestres Autônomos
Autonomous Ground Vehicles

Créditos Aula: 2
Créditos Trabalho: 1
Carga Horária Total: 60 h
Tipo: Semestral
Ativação: 01/01/2024 Desativação:

Objetivos
Para o processo final de aprendizagem do aluno na disciplina é esperado um conjunto de Competências específicas (C), desdobrado em um conjunto de Habilidades (H) de aprendizagem final destacados a seguir:
C1: Compreender e diferenciar as diferentes configurações de veículos terrestres autônomos;
C2: Ter noções básicas de Sistemas de Visão Computacional embarcados em veículos aéreos autônomos;
C3: Compreender quais são o sensores embarcados e suas funções no controle de veículos terrestres autônomos;
C4: Compreender quais são as características essenciais dos hardwares e sistemas operacionais embarcados em veículos terrestres autônomos;
C5: Ter noções básicas de sistemas de auto-localização, de fusão sensorial, de navegação, de planejamento de trajetórias e de desvio de obstáculos empregados em veículos terrestres autônomos;
C6: Compreender os aspectos legais e éticos envolvidos no uso de veículos terrestres autônomos.
H1: Ser capaz de modelar, analizar e compreender diferentes configurações de veículos
terrestres autônomos;
H2: Utilizar os conhecimentos multidisciplinares que envolvem conceitos de mecânica, eletrônica e computação para sintetizar ou selecionar técnicas de controle, de navegação, de planejamento de trajetória e de desvio de obstáculos básicas e avançadas em veículos terrestres autônomos, que sejam adequadas para uma aplicação em engenharia;
H3: Ser capaz de modelar e simular diferentes técnicas de controle, de navegação, de planejamento de trajetória e de desvio de obstáculos básicas e avançadas básicas e avançadas para veículos terrestres autônomos;
H4: Desenvolver um projeto de engenharia de natureza interdisciplinar que empregue veículos
terrestres autônomos, em parceria com grupos de pesquisa, tanto pesquisadores e docentes de Universidades, quanto órgãos da sociedade civil.
 
 
 
Docente(s) Responsável(eis)
1649833 - Marcelo Becker
 
Programa Resumido
Introdução, Histórico, Deep Learning, Visão Computacional, Sistemas Embarcados de Sensoriamento e de Processamento, Redes Embarcadas, Sistemas Operacionais, Sistemas de Navegação: Planejamento de Trajetórias e Desvio de Obstáculos, Sistemas de Auto-localização, Fusão Sensorial, Sistemas de Controle, Aspectos Éticos e Legais.
 
 
 
Programa
. Introdução e Histórico de Veículos Terrestres Autônomos.
. Noções Básicas de Deep Learning e Visão Computacional.
. Sistemas Embarcados de Sensoriamento e de Processamento.
. Redes Embarcadas e Sistemas Operacionais.
. Sistemas de Auto-localização.
. Fusão Sensorial.
. Sistemas de Navegação: Planejamento de Trajetórias e Desvio de Obstáculos
. Sistemas de Controle.
. Aspectos Éticos e Legais sobre Veículos Autônomos.
. Seminários e estudo de casos.
 
 
 
Avaliação
     
Método
Aulas expositivas. Aulas práticas em Laboratório Didático e em Sala de Informática, elaboração de relatórios e listas de exercícios, desenvolvimento de projeto em grupos e provas. Palestras externas; visita técnica complementar e entrevistas com profissionais e pesquisadores. Avaliação: Provas, relatórios e trabalhos em grupo.
Critério
Média ponderada maior ou igual a 5,0 (cinco) das notas obtidas em provas, relatórios e trabalhos em grupo.
Norma de Recuperação
Os critérios de avaliação da recuperação devem ser similares aos aplicados durante o semestre regular do oferecimento da disciplina; 1) A nota final (MF) do aluno que realizou provas de recuperação dependerá da média do semestre (MS) e da média das provas de recuperação (MR), como segue: a) MF=5 se 5 ≤MR ≤ (10 - MS); b) MF = (MS + MR) / 2 se MR > (10 – MS) c) MF = MS se MR < 5. 2) O período de recuperação das disciplinas deve se estender do início até um mês antes do final do semestre subsequente ao da reprovação do aluno em primeira avaliação.
 
Bibliografia
     
Driverless: Intelligent Cars and the Road Ahead (MIT Press) / Hod Lipson and Melba Kurman, 2016.
Deep Learning (Adaptive Computation and Machine Learning series) / Ian Goodfellow et al., 2016.
Introduction to autonomous mobile robots / Roland Siegwart, Illah R. Nourbaskhah, and Davide Scaramuzza., 2nd edition, Cambridge, Mass. : MIT Press, c2011.
Springer Handbook of Robotics/Editors: Siciliano, Bruno, Khatib, Oussama (Eds.), 2008.
 

Clique para consultar os requisitos para SEM0575

Clique para consultar o oferecimento para SEM0575

Créditos | Fale conosco
© 1999 - 2024 - Superintendência de Tecnologia da Informação/USP