Engelskt namn: Human Robot Interaction
Denna kursplan gäller: 2024-01-01 och tillsvidare
Kursplan för kurser med start efter 2024-01-01
Kurskod: 5DV183
Högskolepoäng: 7,5
Utbildningsnivå: Avancerad nivå
Huvudområden och successiv fördjupning:
Datavetenskap: Avancerad nivå, har endast kurs/er på grundnivå som förkunskapskrav
Betygsskala: Med beröm godkänd, icke utan beröm godkänd, godkänd, väl godkänd, godkänd, underkänd
Ansvarig institution: Institutionen för datavetenskap
Beslutad av: Teknisk-naturvetenskapliga fakultetsnämnden, 2018-03-19
Reviderad av: Teknisk-naturvetenskapliga fakultetsnämnden, 2023-06-19
Kursen handlar om fysiska robotar som används i tillämpningar med nära interaktion mellan robotar och människor. Fokus ligger på designöverväganden, utformning av mjukvara, och utvärdering av sådana tillämpningar.
Kursen är indelad i ett teoretiskt moment (Modul 1: Teori, 4 hp) och ett praktiskt moment (Modul 2: Praktik, 3.5 hp). Det teoretiska momentet tar upp aktuella frågeställningar, etablerad praxis, och använda metoder för att designa, konstruera, och utvärdera system av samverkande robotar och människor, och ger viss praktisk övning i att tillämpa denna kunskap. Exempel på begrepp som normalt tas upp i detta moment är autonomi, user-centered design, embodiment, anthropomorphism, emotions, design patterns, proxemics, deictic gestures, och natural language processing.
Det praktiska momentet löper parallellt med det teoretiska, och består i huvudsak av projektarbeten i grupp. Teorier, metoder och tekniker från det teoretiska momentet tillämpas för att designa och utveckla program för robotar som samverkar med människor. Praktiskt arbete med kritisk utvärdering av sådana robotar ingår även.
Kunskap och förståelse
Efter avslutad kurs ska studenten kunna
Färdighet och förmåga
Efter avslutad kurs ska studenten kunna
Värderingsförmåga och förhållningssätt
Efter avslutad kurs ska studenten kunna
Minst 90 hp varav 60 hp datavetenskap eller 120 hp inom ett program. Minst 15 hp programmering och 7,5 hp artificiell intelligens. Engelska för grundläggande behörighet för högskolestudier.
Undervisningen bedrivs i form av föreläsningar, arbete i mindre grupper, studentpresentationer, samt projektarbete i datorlabb och andra miljöer. Utöver schemalagda aktiviteter krävs även individuellt arbete med materialet.
Examinationen av Modul 1: Teori (FSR1-3,7) sker genom en skriftlig salstentamen. Modulen ges något av betygen Underkänd (U), Godkänd (3), Icke utan beröm godkänd (4) eller Med beröm godkänd (5).
Examination av Modul 2: Praktik (FSR4-7) sker genom skriftliga och muntliga redovisningar av de utförda projektarbetena. . Modulen ges något av betygen Underkänd (U) och Godkänd (G).
På hela kursen ges något av betygen Underkänd (U), Godkänd (3), Icke utan beröm godkänd (4) eller Med beröm godkänd (5). Betyget på kursen bestäms av betyget på Modul 1.
Anpassad examination
Examinator kan besluta om avsteg från kursplanens examinationsform. Individuell anpassning av examinationsformen ska övervägas utifrån studentens behov. Examinationsformen anpassas inom ramen för kursplanens förväntade studieresultat. Student som har behov av en anpassad examination ska senast 10 dagar innan examinationen begära anpassning hos Institutionen för datavetenskap. Examinator beslutar om anpassad examination som sedan meddelas studenten.
I en examen får denna kurs ej ingå, helt eller delvis, samtidigt med en annan kurs med likartat innehåll. Vid tveksamheter bör den studerande rådfråga studievägledare vid Institutionen för datavetenskap och/eller programansvarig för sitt program.
Om kursplanen har upphört att gälla eller kursen slutat erbjudas garanteras en student som någon gång registrerats på kursen minst tre provtillfällen (inklusive ordinarie provtillfälle) enligt denna kursplan under en tid av maximalt två år från det att kursplanen upphört att gälla eller kursen slutat erbjudas.
Artiklar och material som tillhandahålls av institutionen eller finns tillgängligt online.