Μαθήματα

Αυτοοδηγούμενα Συστήματα

Γενικά

Περιεχόμενα μαθήματος

1. Εισαγωγή -Επίπεδα Αυτονομίας – Αυτοοδηγούμενα Συστήματα – IntraLogistics – Indoor Vehicles – Outdoor Vehicles
2. Python Εισαγωγή
3. Python για ανάπτυξη αλγορίθμων
4. Αλγόριθμοι Εύρεσης Βέλτιστης Διαδρομής (Grassfire, Dijkstra, A*)
5. Δομές Δεδομένων Python για ανάπτυξη προγραμμάτων-εφαρμογών
6. Chassis/Hardware/Software Requirements and Sensors
7. Προσομοίωση Αυτοοδηγούμενων Συστημάτων (2D ARENA)
8. Εισαγωγή στο Raspberry και Linux
9. Χρήση του ROS – Ανάλυση συστήματος
10. SLAM-OGM και χρήση Rviz
11. Gazebo
12. Υπολογιστικά μοντέλα. Βασικές έννοιες αλγορίθμων και δομών δεδομένων
13. Αλγόριθμοι ( planning – scheduling eg ACO)
14. ΑΠ/Project: Python, Raspberry, ROS, Αλγόριθμοι, chassis, Προσομοίωση ARENA

Μαθησιακοί Στόχοι

Ο στόχος του μαθήματος είναι να εφοδιάσει το φοιτητή με τις απαραίτητες γνώσεις για να κατανοήσει τις βασικές αρχές λειτουργίας και σχεδιασμού αυτόνομων συστημάτων με έμφαση στα αυτοοδηγούμενα οχήματα (σε εσωτερικούς και εξωτερικούς χώρους). Το όχημα μπορεί να κινείται είτε στο έδαφος, είτε στο νερό, είτε στον αέρα. Αναλύεται ο εξοπλισμός και το λογισμικό καθώς και τα στάδια αυτονομίας. Το μάθημα αποτελεί το βασικό εισαγωγικό μάθημα στα αυτοοδηγούμενα οχήματα με έμφαση σε εφαρμογές intralogistics, logistics αλλά και σε εφαρμογές γεωργίας ακριβείας.
Η ύλη του μαθήματος στοχεύει στην εισαγωγή των σπουδαστών στις βασικές έννοιες των αυτόνομων οχημάτων όπως ο σκελετός του οχήματος, η πηγή ενέργειας που καλύπτει τις λειτουργίες του οχήματος (συνήθως μπαταρία), η μονάδα κίνησης, το σύστημα πλοήγησης, το σύστημα ασφαλείας, το σύστημα διαχείρισης, η μονάδα εργασίας (για φόρτωση και εκφόρτωση), το σύστημα μη-αυτόματης διαχείρισης του οχήματος. Αναλύονται οι έννοιες της αυτόνομης πλοήγησης (αδρανειακή πλοήγηση, χρήση αγωγών κάτω από την επιφάνεια του δαπέδου, επιδαπέδια ταινία, με βάση τα φυσικά χαρακτηριστικά του χώρου και χρήση αισθητηρίων (πχ καμερών, laser, lidar), με GPS σε εξωτερικούς χώρους κλπ) και το σύστημα διαχείρισης. Επίσης εξετάζεται η χρήση των αυτόνομων οχημάτων σε πραγματικές εφαρμογές, τα οφέλη καθώς και τεχνοοικονομικοί παράγοντες της ένταξής
τους στην επιχείρηση και στην εφοδιαστική αλυσίδα. Στο πλαίσιο του μαθήματος εξετάζονται αλγόριθμοι εύρεσης βέλτιστης διαδρομής (Grassfire, Dijkstra, A*, D *) και αναλύονται τεχνικές ανάπτυξης προγραμμάτων. Επιπλέον με χρήση Raspberry Pi, πραγματοποιείται εγκατάσταση διανομών Linux, εγκαθίσταται το ROS (που αποτελεί βασικό
εργαλείο του μαθήματος) και πραγματοποιείται κίνηση οχήματος. Τέλος, στόχο του μαθήματος αποτελεί η κατανόηση από τους σπουδαστές της σημασίας της χρήση αυτόνομων συστημάτων στη βιομηχανία.
Εργαλεία Λογισμικού-Εξοπλισμός: ROS και ROS2, Python, C++, Linux, Raspberry Pi
Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής / τρια θα είναι σε θέση να:
• Έχει κατανόηση τα βασικά και κρίσιμα χαρακτηριστικά αυτοοδηγούμενων συστημάτων.
• Έχει γνώση των εργαλείων και των τεχνικών διαχείρισης αυτοοδηγούμενων συστημάτων.
• Αναπτύξει προγράμματα και εφαρμογές σε python και να αναπτύξει πραγματικό όχημα με χρήση του raspberry.
• Συνεργαστεί με τους συμφοιτητές του για να δημιουργήσουν και να παρουσιάσουν συστήματα αυτοοδηγούμενων συστημάτων.

Γενικές Ικανότητες

Εφαρμογή της γνώσης στην πράξη, αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών, κριτική αξιολόγηση βιβλιογραφίας, προσαρμογή σε νέες καταστάσεις, λήψη αποφάσεων, ομαδική εργασία, ανάλυση, σχεδιασμός και διαχείριση αυτοοδηγούμενων οχημάτων, προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης.

Μέθοδοι Διδασκαλίας

Θεωρητική από έδρας διδασκαλία με συζήτηση και ενεργή συμμετοχή των φοιτητών. Οι διαλέξεις του μαθήματος  υποστηρίζονται από διαφάνειες παρουσίασης του συνόλου της εκπαιδευτικής ύλης, ενώ ο λευκός πίνακας χρησιμοποιείται: α) για την εμβάθυνση επιλεγμένων θεματικών ενοτήτων, β) για την προαγωγή της ενεργούς συμμετοχής των φοιτητών στη βήμα-προς-βήμα επίλυση προβλημάτων, γ) τη διεξοδική επίλυση Ασκήσεων Πράξης.

Αξιολόγηση Φοιτητών

Ο τελικός βαθμός του μαθήματος διαμορφώνεται κατά 70% από τον βαθμό του θεωρητικού μέρους και κατά 30% από τον βαθμό των ΑΠ/Project, υπό την προϋπόθεση ότι ο φοιτητής έχει αξιολογηθεί με προβιβάσιμο βαθμό σε κάθε μέρος του μαθήματος.
Ο βαθμός του θεωρητικού μέρους διαμορφώνεται από γραπτή τελική εξέταση.
1. Η γραπτή τελική εξέταση του θεωρητικού μέρους δύναται να περιλαμβάνει: Ερωτήσεις πολλαπλής επιλογής, Ερωτήσεις Ανάπτυξης, Επίλυση προβλημάτων εφαρμογής των γνώσεων που αποκτήθηκαν, Ερωτήσεις σύντομης απάντησης, Συγκριτική αξιολόγηση στοιχείων θεωρίας.
2. Η εξέταση των ΑΠ πραγματοποιείται με τη συνεχή αξιολόγηση των εργαστηριακών δεξιοτήτων και της θεωρητικής γνώσης που αποκτήθηκαν στα πλαίσια της διδασκαλίας του μαθήματος με τη μέθοδο της συνεχούς αξιολόγησης και με την υλοποίηση εργασίας.

Συνιστώμενη Βιβλιογραφία

Συγγράμματα που διανέμονται μέσω του Πανεπιστημίου ή της ηλεκτρονικής σελίδας του μαθήματος: Σημειώσεις
Συμπληρωματική προτεινόμενη βιβλιογραφία σε ηλεκτρονική μορφή
• Automated Guided Vehicle Systems, Second revised and expanded edition, DOI 10.1007/978-3-662-44814-4, Günter Ullrich
• Learning ROS for Robotics Programming, Aaron Martinez-Enrique Fernandez.