Ο κάθε φοιτητής πλήρους/μερικής φοίτησης του προγράμματος εκπονεί Διπλωματική Εργασία. Η μεταπτυχιακή διπλωματική εργασία εκπονείται μετά το πέρας της διδασκαλίας των μαθημάτων (κατά τη διάρκεια του Γ’ εξαμήνου σπουδών για τους φοιτητές του προγράμματος πλήρους φοίτησης και του Ε’ εξαμήνου σπουδών για τους φοιτητές του προγράμματος μερικής φοίτησης).

Η μεταπτυχιακή διπλωματική εργασία θα πρέπει να είναι αντίστοιχης ποιότητας με το επίπεδο σπουδών. Για την ανάληψη του θέματος και την εκπόνηση της Διπλωματικής εργασίας, ο φοιτητής πρέπει να αναφερθεί στο Άρθρο 13 του Κανονισμού Σπουδών. Για τη συγγραφή της Διπλωματικής Εργασίας, ο φοιτητής οφείλει να ακολουθήσει τους κανόνες διάρθρωσης και μορφοποίησης και να ανατρέξει στους κανονισμούς που αναφέρονται στο Κεφάλαιο Β΄, Άρθρο 17 του Κανονισμού Σπουδών.

Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής/τρια θα είναι σε θέση:

• Ανταποκριθεί σε βασικές απαιτήσεις σχεδίασης ενσωματωμένων εφαρμογών
• Ανταποκριθεί σε βασικές απαιτήσεις ελέγχου αυτόματων συστημάτων
• Συνδέσει ηλεκτρονικά στοιχεία (LED, switches, potensiometers, motors, servos, sensors, κλπ) σε πλακέτες μικροελεγκτών, τύπου Arduino ή Raspberry Pi, και να τα χειριστεί μέσω του μικροελεγκτή. Αναπτύξει εφαρμογές μετρήσεων και ελέγχου με χρήση πλατφόρμας Arduino και Raspberry Pi
• Να σχεδιάσει ηλεκτρονικά τυπωμένα κυκλώματα με χρήση λογισμικού σχεδίασης τυπωμένων κυκλωμάτων
• Να προγραμματίσει εφαρμογές στο Raspberry Pi σε γλώσσα Python
• Να χειριστεί μετατροπείς αναλογικού σήματος σε ψηφιακό και αντίστροφα.

• Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
• Αυτόνομη και Ομαδική εργασία
• Σχεδιασμός και Διαχείριση Projects
• Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

• Ορισμός και Τεχνολογίες Ενσωματωμένων Συστημάτων. Παραδείγματα Ενσωματωμένων Συστημάτων με εφαρμογές στη Ρομποτική. Αναφορά στους έξυπνους αισθητήρες και σε τεχνολογίες Internet of Things (ΙοΤ).
• Αρχιτεκτονική Επεξεργαστών Ενσωματωμένων Συστημάτων. Επεξεργαστές γενικού, ειδικού και μοναδικού σκοπού. Μικροελεγκτές, DSP, ASICs, προγραμματιζόμενες λογικές διατάξεις (FPGAs).
• Αρχιτεκτονικές von Neumann, Harvard. Σύντομη αναφορά στην αρχιτεκτονική των μικροελεγκτών PIC και AVR.
• Περιφερειακά Υποσυστήματα μικροελεγκτών: I/O, Χρονιστές, Ελεγκτές Διακοπών, Μετατροπείς Α/D, Δίαυλοι σύγχρονης και ασύγχρονης σειριακής επικοινωνίας (SPI, I2C, USB, UART).
• Αρχές Προγραμματισμού Ενσωματωμένων Συστημάτων: Το παράδειγμα της πλατφόρμας Arduino. Εργαστηριακά παραδείγματα για ψηφιακή είσοδο/έξοδο και αναλογική είσοδο/έξοδο. Σύνδεση βασικών αισθητήρων για τη μέτρηση της θερμοκρασίας, της απόστασης, της κίνησης. Έλεγχος LED, μοτέρ, σερβομηχανισμών και αυτοκινούμενων οχημάτων.
• Υπολογιστές μοναδικής κάρτας (Single Board Computers). Το παράδειγμα της πλατφόρμας Raspberry Pi. Ανάπτυξη βασικών εφαρμογών ρομποτικής με το Raspberry Pi. Αναφορά στη γλώσσα Python. Αρχές σχεδίασης τυπωμένων κυκλωμάτων.

Συγγράμματα

“Introduction to the design of small-scale embedded systems”, Tim Wilmshurst, Palgrave.

“Συστήματα Μικροϋπολογιστών ΙΙ: Μικροελεγκτές AVR και PIC”, Κιαμάλ Πεκμεστζή, Εκδόσεις Συμμετρία.

“Ανάπτυξη Εφαρμογών με το Arduino”, Παναγιώτης Παπάζογλου, Σ.-Π. Λιώνης, Εκδόσεις Τζιόλα.

“18+ Random nerd Tutorial Projects”, Rui Santos, http://randomnerdtutorials.com/download

“Embedded System Design, A Unified hardware/Software Introduction”, Frank Vahid, Tony Givargis, John Wiley & Sons.

“Designing Embedded Systems with PIC Microcontrollers”, Tim Wilmshurst, Newnes.

“Getting Started with Python and Raspberry Pi”, Dan Nixon, Packt Publishing (open source).

“Αρχιτεκτονική και Προγραμματισμός του PIC16F877”, Ι. Καλόμοιρου, Σημειώσεις.

Το μάθημα αποσκοπεί στο να εισάγει τους φοιτητές στις βασικές έννοιες του Αυτομάτου Ελέγχου και της Ρομποτικής. Περιγράφονται οι βασικές έννοιες της Ρομποτικής, οι χωρικές περιγραφές της θέσης/προσανατολισμού ενός ρομπότ και οι περιστροφές. Παρουσιάζονται οι αρχές της κινηματικής ανάλυσης, τόσο για το ευθύ όσο και για το αντίστροφο κινηματικό πρόβλημα. Επίσης, παρουσιάζονται τεχνικές αυτομάτου ελέγχου και προγραμματισμού ρομποτικών χειριστών.

Το μάθημα περιέχει ένα εργαστηριακό σχέδιο μελέτης συστήματος αυτομάτου ελέγχου και ολοκληρώνεται με ένα εργαστηριακό σχέδιο μελέτης με βάση τον βιομηχανικού τύπου ρομποτικό βραχίονα Kawasaki.

Με την επιτυχή ολοκλήρωση του μαθήματος οι φοιτητές/τριες θα είναι:

– εξοικειωμένοι με τα συστήματα αυτομάτου ελέγχου.

– σε θέση να μελετούν ένα φυσικό σύστημα με εργαλεία αυτομάτου ελέγχου

– σε θέση να σχεδιάζουν, να αναλύουν και να μελετούν ένα σύστημα με κλασσικές και σύγχρονες μεθόδους

– εξοικειωμένοι με τα σύγχρονα συστήματα ρομποτικής βιομηχανικής παραγωγής.

– σε θέση να αναγνωρίζουν τις απαιτήσεις μια παραγωγικής διαδικασίας και να επιλέγουν το κατάλληλο βιομηχανικό ρομπότ ώστε να βελτιώσουν τις μεθόδους παραγωγής

– σε θέση να αναπτύσσουν και να επιλύουν μαθηματικό μοντέλο τόσο για το ευθύ όσο και για το αντίστροφο πρόβλημα κινηματικής ανάλυσης ενός βιομηχανικού ρομπότ – σε θέση να βελτιώσουν το βαθμό αυτοματοποίησης μιας παραγωγικής διαδικασίας εισάγοντας τη χρήση βιομηχανικών ρομποτικών συστημάτων

– να είναι εξοικειωμένοι με τη χρήση και τον προγραμματισμό ενός ρομποτικού βραχίονα με χρήση teaching box, offline συστήματος ελέγχου ή με άμεση ανάπτυξη κώδικα.

• Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών

• Αυτόνομη και Ομαδική εργασία

• Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

Αυτόματα Συστήματα:

• Βασικές αρχές συστημάτων ελέγχου και αυτοματισμών.

• Ανάλυση και σχεδίαση συστημάτων ελέγχου

• Εισαγωγή στο Control Toolbox του MATLAB

Ρομποτική:

• Εισαγωγή στην Ρομποτική, ορισμός βιομηχανικών ρομπότ, ιστορική εξέλιξη της ρομποτικής και εφαρμογές της

• Βαθμοί ελευθερίας, χώρος εργασίας, ακρίβεια κίνησης, επαναληψιμότητα, ταχύτητα κίνησης, μέγιστο φορτίο. • Βραχίονας, αρθρώσεις ρομπότ, εργαλεία, σύστημα ελέγχου και ελεγκτής, σταθμοί διδασκαλίας, ρομπότ καρτεσιανής-κυλινδρικής-σφαιρικής μορφής, ρομπότ τύπου SCARA, ρομπότ αρθρωτής μορφής.

• Κινηματική ανάλυση – ευθύ και αντίστροφο κινηματικό πρόβλημα, ομογενείς μετασχηματισμοί.

• Έλεγχος τροχιάς ρομποτικού βραχίονα.

• Έλεγχος και προγραμματισμός Ρομποτικών χειριστών

• Εφαρμογές ρομποτικής

• Εργαστηριακό σχέδιο μελέτης με τον ρομποτικό βραχίονα Kawasaki.

Συγγράμματα

1. “Ανάλυση, Έλεγχος και Προγραμματισμός Ρομποτικών Χειριστών Σταθερής Βάσης”, Ιωάννης Μπούταλης, 978-960-93-7111-7, 2015, Αυτοέκδοση.

2. “Κινηματική, δυναμική και έλεγχος αρθρωτών βραχιόνων”, Δουλγέρη Ζωή, 978-960-218-502-5, 2007, ΕΚΔΟΣΕΙΣ ΚΡΙΤΙΚΗ ΑΕ.

3. “Εισαγωγή στη ρομποτική: Μηχανική και αυτόματος έλεγχος”, Craig John, 960-418-734-1, 2020, ΕΚΔΟΣΕΙΣ ΤΖΙΟΛΑ & ΥΙΟΙ Α.Ε..

Το μάθημα αποσκοπεί στο να εισάγει τον φοιτητή στις βασικές έννοιες της σχεδίασης και προσομοίωσης ρομποτικών συστημάτων. Στα πλαίσια αυτού του μαθήματος παρουσιάζονται βασικές αρχές σχεδίασης του λογισμικού και του υλικού ρομποτικών συστημάτων. Ταυτόχρονα, παρουσιάζονται ολοκληρωμένα λογισμικά για την σχεδίαση και προσομοίωση ρομποτικών συστημάτων με έμφαση στο ROS (Robot Operating System). Τα βασικά χαρακτηριστικά τέτοιων συστημάτων είναι η γρήγορη δημιουργία πρωτοτύπων, η ενσωματωμένη μηχανή φυσικής, οι δυνατότητες 3d rendering εικονικών κόσμων αλλά και η συνεργασία τους με πραγματικές ρομποτικές διατάξεις.

Με την επιτυχή ολοκλήρωση του μαθήματος οι φοιτητές/τριες θα είναι:

– εξοικειωμένοι με τεχνολογίες σχεδίασης και προσομοίωσης ρομποτικών συστημάτων

– γνώστες το ROS και το πως αυτό βοηθάει στην αρχιτεκτονική ενός ρομποτικού συστήματος

– σε θέση να δημιουργούν ένα μοντέλο ρομπότ και να το εισάγουν στην εξομοίωση

– σε θέση να οπτικοποιούν μετρήσεις από πραγματικούς και εικονικούς αισθητήρες μέσω του RVIZ

– σε θέση να σχεδιάζουν ελεγκτές PID και διαφορικής κίνησης στο περιβάλλον του Gazebo

– σε θέση να τοποθετούν εικονικούς αισθητήρες στις εξομοιώσεις των ρομπότ

– εξοικειωμένοι με πακέτα SLAM, χαρτογράφησης και πλοήγησης του ROS.

• Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών

• Αυτόνομη και Ομαδική εργασία

• Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

• Βασικές αρχές σχεδίασης λογισμικού ρομποτικών συστημάτων.

• Εισαγωγή στο Robot Operating System

• Αρχές προσομοίωσης ρομποτικών συστημάτων

• Αρχιτεκτονική ρομποτικών συστημάτων

• Ανάλυση και σχεδίαση ρομποτικών συστημάτων μέσω Xacro και URDF

• Εξομοίωση ρομποτικών συστημάτων μέσω του Gazebo

• Εργαστηριακό σχέδιο μελέτης δίτροχου ρομπότ

• Ενσωμάτωση αισθητήρων

• Εργαστηριακό σχέδιο μελέτης βραχίονα

• Αρχιτεκτονική ενός αυτόνομου οχήματος βασισμένου στο ROS

Συγγράμματα

1. ROS Robotics By Example, Carol Fairchild, Thomas L. Harman, 2016, Packt Publishing

2. VREP – User manual (http://www.coppeliarobotics.com/helpFiles/)

3. Gazebo – User manual and tutorial (http://gazebosim.org/tutorials)

4. “Designing Autonomous Mobile Robots, Inside the mind of an intelligent machine”, John Holand, Newness.

Παρουσιάζονται οι βασικές αρχές της πρόσληψης και αποθήκευσης ψηφιακής εικόνας, των χρωματικών χώρων, γεωμετρικών μετασχηματισμών εικόνας, γραμμικών και μη γραμμικών φίλτρων, ακμών, γωνιών και χαρακτηριστικών εικόνας, μοντέλου κάμερας και στερεοσκοπίας, ανίχνευσης και αναγνώρισης αντικειμένων. Στο εργαστηριακό μέρος, οι φοιτητές αποκτούν πρακτική δεξιότητα στη χρήση του λογισμικού MATLAB για την εφαρμογή αλγορίθμων ψηφιακής επεξεργασίας εικόνας και υπολογιστικής όρασης της θεωρίας.

Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής / τρια θα είναι σε θέση να:

• Κατανοεί τον τρόπο πρόσκτησης μιας ψηφιακής εικόνας.

• Επεξεργάζεται μια ψηφιακή εικόνα με διάφορους τρόπους, όπως μετατροπή χρωματικού χώρου, γεωμετρικοί μετασχηματισμοί, αποθορυβοποίηση, βελτίωση αντίθεσης.

• Εφαρμόζει αλγορίθμους ανίχνευσης ακμών και γωνιών.

• Εφαρμόζει αλγορίθμους ανίχνευσης, εξαγωγής και αντιστοίχισης χαρακτηριστικών εικόνας.

• Χρησιμοποιεί περιγραφείς χαρακτηριστικών για την αντιστοίχιση σημείων και εύρεση χάρτη βάθους.

• Υπολογίζει τον χάρτη παράλλαξης και διορθώνει μη βαθμονομημένες στερεοσκοπικές εικόνες.

• Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών

• Αυτόνομη και Ομαδική εργασία

• Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

1. Εισαγωγή στη ρoμποτική όραση. Δομή του μαθήματος.
2. Ψηφιακή πρόσκτηση εικόνας. Δειγματοληψία και κβαντισμός εικόνας. Χωρική ανάλυση και ανάλυση χρώματος.
3. Το μοντέλο της κάμερας. Παράμετροι της κάμερας. Μετασχηματισμοί εικόνας.
4. Φως και χρώμα. Χρωματικό διάγραμμα. Χρωματικοί χώροι: RGB, HSI.
5. Βελτιστοποίηση εικόνας. Φίλτρα μέσης τιμής, μεσαίου, Gauss. Ιστόγραμμα.
6. Χαρακτηριστικά εικόνας (image features). Ακμές και γωνίες.
7. Ανιχνευτές ακμών. Ανίχνευση γραμμών. Μετασχηματισμός Hough. Ανίχνευση γωνιών και ακμών κατά Harris και Stephens.
8. Αναλλοίωτα χαρακτηριστικά. Πολυκλιμάκωση της εικόνας. DoG (Difference of Gaussians), Εξαγωγή χαρακτηριστικών.
9. Περιγραφείς χαρακτηριστικών. Αντιστοίχιση χαρακτηριστικών σημείων (Feature matching). Αναγνώριση αντικειμένων.
10. Στερεοσκοπική όραση. Επιπολική γεωμετρία.
11. Οπτική ροή. Ιχνηλάτηση χαρακτηριστικών (tracking) και ανίχνευση κίνησης.
12. Ανίχνευση προσώπου. Αναγνώριση προσώπου, αναγνώριση αντικειμένων, αναγνώριση κλάσης, αναγνώριση εννοιών.

Συγγράμματα

1. “Computer Vision: A Modern Approach”, Second edition, D. Forsyth and J. Ponce, Prentice, Hall, 2011
2. “Computer Vision: Models, Learning and Inference”, S. Prince, Cambridge University Press, 2012
3. “Digital Image Processing”, R. Gonzales, R. Woods, Pearson, Third Edition.
4. “Computer Vision: Algorithms and Applications”, R. Szeliski, Springer (szeliski.org/Book/drafts/SzeliskiBook_20100903_draft.pdf)
5. “Ψηφιακή Επεξεργασία και Ανάλυση εικόνας”, Ν. Παπαμάρκος, 3η Έκδοση (αυτοέκδοση)
6. “Introductory techniques for 3-D Computer Vision”, E. Trucco and A. Verri, Prentice Hall.
7. “Machine Vision, Theory, Algorithms, Practicalities”, E. R. Davies, 3rd Edition, Morgan Kaufman.

Το μάθημα σκοπεύει να εισαγάγει τους φοιτητές α) στους μηχανισμούς κίνησης των αυτόνομων ρομπότ β) στις βασικές αρχές εντοπισμού αυτόνομων οχημάτων μέσω αδρανειακών/ενεργών αισθητήρων και αισθητήρων όρασης γ) σε σύγχρονες μεθόδους χαρτογράφησης και εξερεύνησης του περιβάλλοντος, γ) στους βασικούς αλγόριθμους αποφυγής εμποδίων και αυτόνομης πλοήγησης. Με την επιτυχή ολοκλήρωση του μαθήματος οι φοιτητές/τριες θα είναι εξοικειωμένοι:

– με τις βασικές έννοιες της τροχήλατης κίνησης και της κίνησης με μηχανικά πόδια

– με το ευθύ και αντίστροφο πρόβλημα της κίνησης με όχημα διαφορικής οδήγησης και με όχημα πανκατευθυντικής (omni-directional) οδήγησης

– με τους βασικούς αισθητήρες μέτρησης της κίνησης (επιταχυνσιόμετρα, μαγνητόμετρα, οπτικούς κωδικοποιητές), εύρεσης της απόστασης από εμπόδια (LiDARs)

– με τη χρήση στερεοσκοπικών συστημάτων για παραγωγή χαρτών βάθους και ανακατασκευή του τρισδιάστατου χώρου – χρήση βιβλιοθήκης OpenCV για την υποστήριξη εφαρμογών ρομποτικής όρασης

– με τους βασικούς στοχαστικούς αλγορίθμους για τη διόρθωση των σφαλμάτων αισθητήρων κατά τη διαδικασία του εντοπισμού

– με τις βασικές μεθόδους ρομποτικής χαρτογράφησης

– με βασικές μεθόδους, τεχνικές και αλγόριθμους σχεδίασης διαδρομής

– με βασικές μεθόδους, τεχνικές και αλγόριθμους αποφυγής εμποδίων

• Εμβάθυνση σε προβλήματα που απαιτούν προχωρημένη μαθηματική επεξεργασία

• Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών

• Αυτόνομη και Ομαδική εργασία, μέσω σχεδίων εργασίας

• Είδη Αυτόνομων ρομπότ (ξηράς, ιπτάμενα, υποβρύχια). Εφαρμογές: εξερεύνηση, διάσωση, γεωργία, αυτόνομη οδήγηση.

• Μηχανισμοί κίνησης αυτόνομων ρομπότ: δίποδα, τετράποδα, εξάποδα ρομπότ. Ρομπότ με ρόδες. Τύποι τροχών και διάταξη τροχών. Τύποι ιπτάμενων οχημάτων.

• Κινηματική αυτόνομων οχημάτων. Αναπαράσταση της θέσης στο σύστημα συντεταγμένων.

• Ρομποτικοί αισθητήρες. Αισθητήρες αφής. Αδρανειακοί αισθητήρες οδομετρίας. Αισθητήρες απόστασης. Εντοπισμός της θέσης από μετρήσεις οδομετρίας. GPS.

• Ορόσημα (Landmarks). Τριγωνισμός. Εξαγωγή χαρακτηριστικών από αισθητήρες απόστασης. Ο αλγόριθμος RANSAC.

• Κάμερες και αισθητήρες CCD. Στερεοσκοπική όραση. Χάρτες βάθους. Ανιχνευτές χαρακτηριστικών σημείων σε εικόνες. Εντοπισμός με οπτική οδομετρία.

• Εντοπισμός με βάση τις μετρήσεις. Θόρυβος αισθητήρων.

• Χαρτογράφηση. Μετρικοί χάρτες. Πλέγματα κατάληψης.

• Ταυτόχρονος εντοπισμός και χαρτογράφηση. (SLAM).

• Μέθοδοι, τεχνικές και αλγόριθμοι βέλτιστου σχεδιασμού διαδρομής αυτοκινούμενου ρομπότ. Μέθοδοι γράφων. Αλγόριθμοι αναζήτησης βέλτιστης διαδρομής σε γράφους.

• Μέθοδοι, τεχνικές και αλγόριθμοι πλοήγησης και αποφυγής εμποδίων

Συγγράμματα

1. “Ιntroduction to autonomous mobile robots”, Roland Siegwart, Illah R. Nourbakhsh, and Davide Scaramuzza. – 2nd ed., Cambridge, Mass. : MIT Press, 2011.

2. “Autonomous Land Vehicles”, K. Berns, E. von Puttkamer, Vieweg and Teubner.

3. “Designing Autonomous Mobile Robots, Inside the mind of an intelligent machine”, John Holland, Newness.

4. “Probabilistic Robotics”, M. Thrun, MIT Press.

5. “Obstacle Avoidance in Multi-Robot Systems, Experiments in Parallel Genetic Algorithms”, Mark A C Gill (Author), Albert Y Zomaya (Author)

6. “Robot Path Planning and Obstacle Avoidance by Means of Potential Function Method”, Bassam Hussien, University of Missouri-Columbia

Ο σκοπός του μαθήματος είναι να εισάγει τους φοιτητές στις βασικές αρχές λειτουργίας και υλοποίησης ευφυών συστημάτων και συστημάτων μηχανικής μάθησης και μηχανικής ευφυίας. Αναλύεται ποικιλία μεθόδων και τεχνικών υπολογιστικής ευφυίας για την επίλυση δύσκολων προβλημάτων αναζήτησης λύσεων και βελτιστοποίησης αλλά και μοντέλα και μέθοδοι για τον έλεγχο συστημάτων, την εκμάθηση και αναπαραγωγή συμπεριφορών, την κατηγοριοποίηση, την αποτύπωση γνωσιακών μοντέλων και την αυτόματη προσαρμογή συστημάτων σε μεταβαλλόμενες συνθήκες. Γίνεται εργαστηριακή εφαρμογή μεθόδων μηχανικής ευφυίας σε προβλήματα κατηγοριοποίησης, βελτιστοποίησης και λήψης αποφάσεων.

Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής / τρια θα είναι σε θέση να:

• Υλοποιήσει Αλγορίθμους Εξελικτικής Υπολογιστικής για την βελτιστοποίηση προβλημάτων και την εύρεση βέλτιστων λύσεων σε δύσκολα προβλήματα του πραγματικού κόσμου

• Υλοποιήσει συστήματα Νευρωνικών Δικτύων για χρήση σε προβλήματα Κατηγοριοποίησης και Μηχανικής Μάθησης

• Υλοποιήσει Ασαφή Συστήματα για ευφυή Έλεγχο συστημάτων

• Να κωδικοποιήσει και να επιλύσει με βέλτιστο τρόπο δύσκολά πολυπαραμετρικά προβλήματα της Ρομποτικής, της Μηχανικής αι της επιστήμης, με χρήση μεθόδων Υπολογιστικής Ευφυίας

• Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών

• Αυτόνομη και Ομαδική εργασία

• Σχεδιασμός και Διαχείριση Projects

• Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

● Ασαφή Συστήματα, Ασαφείς Ταξινομητές και Ασαφείς Ελεγκτές. Πρακτική εφαρμογή Ασαφών Συστημάτων.

● Νευρωνικά Δίκτυα, εκπαίδευση, κατηγοριοποίηση, Νευρωνικοί ελεγκτές. Πρακτική εφαρμογή Νευρωνικών Δικτύων.

● Κωδικοποίηση προβλημάτων και χώρων κατάστασης, χρήση Αλγορίθμων Τοπικής Αναζήτησης, Αλγόριθμοι Κατάβασης Κλίσης.

● Αλγόριθμοι εμπνευσμένοι από τη Βιολογία: Εξελικτική Υπολογιστική, Γενετικοί Αλγόριθμοι. Πρακτική εφαρμογή Εξελικτικών Αλγορίθμων.

● Αλγόριθμοι Ευφυίας Σμηνών: Βελτιστοποίηση Σμήνους Σωματιδίων (PSO), Αλγόριθμοι Αποικίας Μυρμηγκιών, Αλγόριθμοι Αποικίας Μελισσών.

● Γενετικός Προγραμματισμός, Αυτόματη Εξέλιξη Δομών, Βελτιστοποίηση Λογισμικού,

● Συστήματα Κανόνων, Συστήματα Λήψης Αποφάσεων, Learning Classifier Systems.

● Πολύ-πρακτορικά συστήματα (Multi-agent systems).

Συγγράμματα

1. “Τεχνητή Νοημοσύνη, Μία Σύγχρονη Προσέγγιση”, Stuart Russell & Peter Norvig, (2η αμερικανική έκδοση, 2002). Εκδόσεις Κλειδάριθμος, 2004. ISBN: 960-209-873-2.
2. “Intelligent Systems: Principle, Paradigms and Pragmatics”, R. Schalkoff, Jones & Bartlett Learning, 2009.
3. “Computational Intelligence: An Introduction”, A.P. Engelbrecht, 2nd Edition, Wiley, 2007.
4. “Evolutionary Computation”, K.A. de Jong, MIT Press, 2002.
5. “Machine Learning: An Algorithmic Perspective”, S. Marsland, CRC Press, 2009.
6. “Machine Learning”, T. Mitchell, McGraw-Hill, 1997.
7. “Fundamentals of Computational Swarm Intelligence”, Andries P. Engelbrecht, John Wiley & Sons, 2006
8. “The Fuzzy Systems Handbook”, Earl Cox, Michael O’Hagan, Morgan Kaufmann Publishers.
9. “Artificial Immune Systems: A New Computational Intelligence Approach”, Leandro Nunes de Castro, Jonathan Timmis , 364 pages, Publisher: Springer; 1 edition (November 11, 2002)
10. “Ant Colony Optimization” Marco Dorigo, Thomas Stützle, Bradford Books, 328 pages, Publisher: The MIT Press (July 1, 2004)
11. “Genetic Algorithms in Search optimization and Machine Learning”, D. Goldberg, Addison- Wesley Pub. Co., 1989.
12. “Genetic Programming – An Introduction”, Banzhaf, Wolfgang, Nordin, Peter, Keller, Robert E., and Francone, Frank D., San Francisco, CA: Morgan Kaufmann Publishers and Heidelberg, 1998.
13. “Simulated Annealing, Theory with Applications”, Rui Chibante, InTech, 2010.
14. “An Introduction to MultiAgent Systems”, Michael Wooldridge, – Second Edition, John Wiley & Sons, 2009.

Σκοπός του μαθήματος είναι να εισαγάγει τους φοιτητές στις έννοιες της παράλληλης επεξεργασίας για επιτάχυνση εφαρμογών επεξεργασίας σήματος, με χρήση εξειδικευμένου υλικού, όπως FPGAs και GPUs. Εφαρμογές ρομποτικής που σε συστήματα προσωπικών υπολογιστών θα απαιτούσαν μεγάλους χρόνους εκτέλεσης, μπορούν να υλοποιηθούν με χρήση διατάξεων FPGAs ή GPUs ώστε να επιτευχθούν υψηλές επιδόσεις και λειτουργία πραγματικού χρόνου.

Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής/τρια θα είναι σε θέση:

• να σχεδιάζει ψηφιακά κυκλώματα με τη χρήση των διατάξεων FPGAs.

• να κατανοεί αρχιτεκτονικές παράλληλης επεξεργασίας δεδομένων και να υλοποιεί με παράλληλο τρόπο φίλτρα ψηφιακής επεξεργασίας σε σήματα μιας και δύο διαστάσεων.

• να υλοποιεί αλγορίθμους ρομποτικής όρασης χρησιμοποιώντας διατάξεις υλικού.

• να χρησιμοποιεί εργαλεία ανάπτυξης υλικού/λογισμικού όπως τα Quartus Prime, Modelsim, Vivado, CUDA και να υλοποιεί συστήματα για ρομποτικές εφαρμογές.

• να αναζητά, να αναλύει και να συνθέτει δεδομένα και πληροφορίες, με σκοπό τη σχεδίαση των ως άνω συστημάτων

• να εργάζεται αυτόνομα στο πλαίσιο ολοκληρωμένο σχεδίου εργασίας, με τρόπο που καλλιεργεί την αυτενέργεια και την επιστημονική πρωτοβουλία. Τα σχέδια εργασίας σχεδιάζονται ώστε να προάγουν την ελεύθερη, δημιουργική και επαγωγική σκέψη.

1. Επισκόπηση Άλγεβρας Boole. Εισαγωγή στις διατάξεις FPGAs/CPLDs. Κύκλος σχεδίασης συστημάτων. Γλώσσες περιγραφής υλικού. Εισαγωγή στη γλώσσα περιγραφής υλικού VHDL. Το λογισμικό ανάπτυξης εφαρμογών της Intel Quartus Prime.
2. Σχεδίαση συνδυαστικών κυκλωμάτων. Υλοποίηση αποκωδικοποιητών, πολυπλεκτών, συγκριτών σε VHDL και έλεγχος λειτουργίας με χρήση testbench.
3. Σχεδίαση αριθμητικών κυκλωμάτων. Υλοποίηση αθροιστή-αφαιρέτη. Αρχές ιεραρχικής σχεδίασης και υλοποίηση σε γλώσσα VHDL.
4. Σχεδίαση ακολουθιακών κυκλωμάτων. Σχεδίαση flip-flop, καταχωρητών ολίσθησης/παράλληλης φόρτωσης, απαριθμητών, ολισθητών γραμμής.
5. Μηχανές πεπερασμένων καταστάσεων (FSMs) και υλοποίησή τους σε γλώσσα περιγραφής υλικού VHDL. Σχεδίαση ελεγκτών/μονάδων επεξεργασίας σε VHDL.
6. Επιτάχυνση επεξεργασίας δεδομένων με σχεδίαση στο υλικό. Παράλληλη επεξεργασία. Τεχνική pipeline και εφαρμογή σε φίλτρα 1D. Υλοποίηση φίλτρων FIR 1D.
7. Σχεδίαση επεξεργαστών ρομποτικής όρασης. Τεχνική pipelining σε φίλτρα δύο διαστάσεων. Υλοποίηση φίλτρων εικόνας.
8. Εφαρμογές SoC. Επεξεργαστές Nios II, MicroBlaze, PicoBlaze. Λογισμικό ανάπτυξης εφαρμογών της Xilinx ISE/Vivado. Pynq project.
9. Εισαγωγή στην υπολογιστική των επεξεργαστών γραφικών (GPU computing) και στον παράλληλο προγραμματισμό με τη χρήση επεξεργαστών γραφικών. Εισαγωγή στην πλατφόρμα CUDA (Compute Unified Device Architecture) της NVIDIA.
10. Προγραμματισμός σε CUDA με το MATLAB, εργαστηριακά παραδείγματα.
11. Εισαγωγή στα παράλληλα και κατανεμημένα συστήματα. Υλοποίηση απλού project ρομποτικής σε CUDA.

Συγγράμματα

-Προτεινόμενη Βιβλιογραφία για το θεωρητικό μέρος

1. “Circuit Design and Simulation with VHDL”, V. Pedroni, 2nd Edition, MIT Press.
2. “Quick Start Guide to VHDL”, Brock J. LaMeres, 1st Edition, Springer.
3. “Digital Signal processing with Field Programmable Gate Arrays”, Meyer-Baese, Springer.
4. “Embedded SoPC design with Nios II Processor and VHDL examples”, Pong Chu, Wiley.
5. “Εισαγωγή στη VHDL”, Ιωάννη Καλόμοιρου, Σημειώσεις.
6. “Programming on Parallel machines”, Norm Matloff, open access.
7. “Programming Massively Parallel Processors”, David Kirk, Wen-mei W. Hwu, Morgan Kaufmann, 2010.
8. “The CUDA Handbook: A Comprehensive Guide to GPU Programming”, Nicholas Wilt, 2011.

Προτεινόμενη βιβλιογραφία για το εργαστηριακό μέρος

1. Βουρβουλάκης Ιωάννης, Προηγμένα Ψηφιακά Συστήματα – Εργαστηριακές Ασκήσεις, Σέρρες, 2022.
2. Βουρβουλάκης Ιωάννης, Σχεδίαση Συστημάτων Υψηλών Επιδόσεων – Εργαστηριακές Ασκήσεις, Σέρρες, 2022.

Παρουσιάζονται οι βασικές αρχές των γραφικών υπολογιστών, όπως τα πρωτογενή στοιχεία γραφικών, οι δισδιάστατοι και τρισδιάστατοι μετασχηματισμοί, η φωτορεαλιστική απόδοση (rendering), τα μοντέλα φωτισμού και σκίασης, η αντιστοίχιση υφής και η σχεδιοκίνηση (animation).

Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής / τρια θα είναι σε θέση να:

• Κατασκευάζει απλά γραφικά με χρήση πρωτογενών στοιχείων.

• Αποδίδει χαρακτηριστικά, όπως συντεταγμένες χώρου, χρώμα, κανονικό διάνυσμα και συντεταγμένες υφής στις κορυφές ενός σχήματος.

• Εφαρμόζει διδσδιάστατους και τρισδιάστατους γεωμετρικούς μετασχηματισμούς σε μοντέλα.

• Προσομοιώνει τον χώρο κάμερας και εφαρμόζει προοπτική προβολή των τρισδιάστατων σχημάτων.

• Εφαρμόζει πλήρες μοντέλο φωτισμού στα σχήματα.

• Εφαρμόζει αντιστοίχιση υφής για ρεαλιστικότερη απεικόνιση επιφανειών.

• Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών

• Αυτόνομη και Ομαδική εργασία

• Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης

i. Εισαγωγή στα γραφικά υπολογιστών. Δομή του μαθήματος.

ii. VBOs και shaders.

iii. Παρεμβολή χρωμάτων και δεικτοδοτημένη σχεδίαση.

iv. Γεωμετρικοί μετασχηματισμοί 2D.

v. Γεωμετρικοί μετασχηματισμοί 3D.

vi. Προοπτική προβολή. Χώρος κάμερας.

vii. Μοντέλο φωτισμού.

viii. Αντιστοίχιση υφής.

ix. Εισαγωγή στην εικονική πραγματικότητα. Η μηχανή παιχνιδιών Unity.

x. Αντικείμενα παιχνιδιού, συστατικά στοιχεία, προκατασκευασμένα στοιχεία, φυσική, scripting.

xi. Ανάπτυξη απλού παιχνιδιού (roll-a-ball).

Συγγράμματα

1. Dave Shreiner, Graham Sellers, John Kessenich, Bill Licea-Kane, OpenGL Programming Guide, Eighth Edition, The Official Guide to Learning OpenGL, Version 4.3, Addison Wesley, 2013.
2. Peter Shirley, Steve Marschner, Fundamentals of Computer Graphics, CRC Press, 2009.
3. www.opengl.org