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
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]
Schema
Schema är inte publicerat

Kontakt

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

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

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.

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