Robotika

Predmet Robotika daje pregled čez celotno področje robotike. Znanja so izbrana glede na potrebe inženirjev, ki uvajajo ali vzdržujejo robotske celice ali linije v industriji. V teoretičnem delu predmeta študentje dobro spoznajo geometrijski model robota, katerega poznavanje je bistveno pri programiranju robotov. Pri praktičnem delu predmeta se študentje v manjših skupinah temeljito naučijo programirati sodobne industrijske robote.

Znanje, ki ga študentje pridobijo v prvi stopnji študija predvsem matematike, fizike in elektrotehnike.

1. Uvajanje robotizacije
2. Gradniki robotov
3. Kinematika in dinamika robotskih mehanizmov
4. Sistemi vodenja in načrtovanja trajektorij
5. Načrtovanje nalog in programiranje robotov
6. Primeri uporabe robotov v industriji

Znanje in razumevanje:
Znanje opisov lege s homogenimi transformacijskimi matrikami, poznavanje geometrijskih modelov robotskih mehanizmov, poznavanje regulacijskih shem, ki so značilne za robotiko. Povezava teoretičnih znanj geometrijskih modelov robota s programiranjem industrijskih robotov. Programiranje in delo z industrijskimi roboti. Uporaba znanj pri kreiranju robotske proizvodne celice.

• T. Bajd, M. Mihelj, J. Lenarčič, A. Stanovnik, M. Munih: Robotika, Založba FE in FRI, 2008. Katalog
• M. Mihelj, T. Bajd, A. Ude, J. Lenarčič, A. Stanovnik, M. Munih, J. Rejc, S. Šlajpah: Robotics, Springer, 2019.

• Pisni del izpita je izveden s seminarsko nalogo. Vsak študent dobi svojo nalogo, v kateri mora izkazati znanje z izbranega področja robotike. • Z ustnim delom izpita se preverjajo teoretična znanja, pridobljena tekom predavanj in vaj. Ocenjuje se poznavanje problemov uvajanja industrijske robotike v podjetja, znanje o zgradbi in delovanju robotov, znanje o načinih vodenja in načrtovanja in še posebej o gibalnih značilnostih robotskih mehanizmov in osnovna znanja o tehnoloških in ekonomskih vidikih uvajanja robotizacije v podjetja. 50/50

Prof. dr. Aleš Ude je redni profesor za področje elektrotehnike in znanstveni svetnik na Institutu »Jožef Stefan«, kjer od leta 2014 vodi Odsek za avtomatiko, biokibernetiko in robotiko. Diplomiral je iz uporabne matematike na Univerzi v Ljubljani leta 1990, doktoriral pa leta 1995 na Univerzi v Karlsruheju v Nemčiji s področja robotike in učenja s posnemanjem. Med letoma 1998 in 2000 je bil podoktorski raziskovalec na Japonskem, najprej v okviru projekta ERATO Kawato Dynamic Brain, nato pa na raziskovalnem inštitutu ATR v Kjotu, s katerim znanstveno sodeluje še danes. Njegova glavna raziskovalna področja so robotsko učenje, humanoidna robotika, inteligentni robotski sistemi in rekonfigurabilne robotske celice. V zadnjih letih se ukvarja predvsem z uporabo umetne inteligence za avtonomno učenje in prilagajanje robotov ter razvojem fleksibilnih robotskih sistemov za industrijsko uporabo. Kot vodja raziskovalnih skupin je sodeloval pri številnih evropskih raziskovalnih projektih iz programov FP6, FP7, Obzorje 2020 in Obzorje Evropa, med drugim kot koordinator projektov ReconCell in ReconCycle. Sodeloval je tudi pri več raziskovalnih projektih z japonskimi raziskovalnimi ustanovami in podjetjem Yaskawa. Je soavtor petih japonskih patentov in številnih znanstvenih objav s področja robotike.

Izbrane objave:

M. Mavsar, J. Morimoto, and A. Ude (2023) GAN-Based Semi-Supervised Training of LSTM Nets for Intention Recognition in Cooperative Tasks, IEEE Robotics and Automation Letters, doi: 10.1109/LRA.2023.3333231, pp. 1-8.

T. Gašpar, I. Kovač, and A. Ude (2021) Optimal layout and reconfiguration of a fixturing system constructed from passive Stewart platforms, Journal of Manufacturing Systems, vol. 60, pp. 226-238.

Z. Lončarević, A. Gams, S. Reberšek, B. Nemec, J. Škrabar, J. Skvarč, and A. Ude (2021) Specifying and optimizing robotic motion for visual quality inspection, Robotics and Computer-Integrated Manufacturing, vol. 72, art. 102200, pp. 1-14.

B. Nemec, K. Yasuda, and A. Ude (2021) A virtual mechanism approach for exploiting functional redundancy in finishing operations, IEEE Transactions on Automation Science and Engineering, vol. 18, no. 4, pp. 2048-2060.

M. Simonič, T. Petrič, A. Ude, and B. Nemec (2021) Analysis of methods for incremental policy refinement by kinesthetic guidance, Journal of Intelligent & Robotic Systems, vol. 102, art. 5, pp. 1-19.