Hoppa till huvudinnehållet
Till KTH:s startsida

DD2600 Robotinlärning och förkroppsligad AI 7,5 hp

Information per kursomgång

Termin

Information för HT 2025 Embody25 programstuderande

Studielokalisering

KTH Campus

Varaktighet
2025-08-25 - 2025-10-24
Perioder

HT 2025: P1 (7.5 hp)

Studietakt

50%

Anmälningskod

51869

Undervisningsform

Normal Dagtid

Undervisningsspråk

Engelska

Kurs-PM
Kurs-PM är inte publicerat
Antal platser

Max: 30

Målgrupp
Öppen för studenter från åk 3 samt för studenter antagna på ett masterprogram under förutsättning att kursen kan ingå i programmet
Planerade schemamoduler
[object Object]
Del av program
Ingen information tillagd

Kontakt

Examinator
Ingen information tillagd
Kursansvarig
Ingen information tillagd
Lärare
Ingen information tillagd

Kursplan som PDF

Notera: all information från kursplanen visas i tillgängligt format på denna sida.

Kursplan DD2600 (HT 2025–)
Rubriker med innehåll från kursplan DD2600 (HT 2025–) är markerade med en asterisk ( )

Innehåll och lärandemål

Kursinnehåll

  • Fundamentala metoder för robotinlärning, lärande i tillståndsrymder, lärande med sensorer och motorer i verkligheten.
  • Lärande för att se: 3D-förståelse, lokalisering, bildmodeller med öppen vokabulär, bild-språkmodeller.
  • Lärande för att kartlägga: Neurala världsrepresentationer och kartläggning.
  • Lärande för att agera: Imitationsinlärning och förstärkande inlärning med robotar.
  • Mot förkroppsligad AI: Stora språkmodeller för robotik, fundamentmodeller för robotik samt förkroppsligade bild-språk-handlingsmodeller.

Lärandemål

Efter godkänd kurs ska studenten kunna:

  • förklara de grundläggande idéerna och utmaningarna med inlärning för robotar
  • redogöra för konceptet förkroppsligad artificiell intelligens och hur robotinlärning kan kombineras med storskaliga förtränade neuronnät som multimodala språkmodeller
  • redogöra för den teoretiska bakgrunden bakom de metoder för robotinlärning som är vanligast
  • analysera forskning inom området och kritiskt utvärdera metodernas svagheter och styrkor

i syfte att kunna:

  • implementera, analysera och utvärdera enkla system för robotlärande
  • tillgodogöra sig information om och läsa litteratur inom området
  • implementera metoder baserade på ny forskning samt utvärdera dem.

Kurslitteratur och förberedelser

Särskild behörighet

Grundläggande kunskaper i djupinlärning, 7,5 hp, motsvarande slutförd kurs DD2424/DD2437.

Kurslitteratur

Du hittar information om kurslitteratur antingen i kursomgångens kurs-PM eller i kursomgångens kursrum i Canvas.

Examination och slutförande

Betygsskala

A, B, C, D, E, FX, F

Examination

  • LAB1 - Laborationer, 4,5 hp, betygsskala: P, F
  • PRO1 - Projektarbete, 3,0 hp, betygsskala: A, B, C, D, E, FX, F

Examinator beslutar, baserat på rekommendation från KTH:s handläggare av stöd till studenter med funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.

Examinator får medge annan examinationsform vid omexamination av enstaka studenter.

När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.

Examinator

Etiskt förhållningssätt

  • Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
  • Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
  • Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.

Ytterligare information

Kursrum i Canvas

Registrerade studenter hittar information för genomförande av kursen i kursrummet i Canvas. En länk till kursrummet finns under fliken Studier i Personliga menyn vid kursstart.

Ges av

Huvudområde

Datalogi och datateknik

Utbildningsnivå

Avancerad nivå

Övrig information

I denna kurs tillämpas EECS hederskodex, se:
http://www.kth.se/eecs/utbildning/hederskodex