TDDD48 · 6 hp · Avancerad nivå (A1N) · Informationsteknologi, Datateknik, Datavetenskap
Automatisk planering
Ges · nästa start VT 2027
75 %
klarade senaste ordinarie tentan
DIT1 · 4 jun 2026 · 12 studenter
85 %
klarade ordinarie tentorna, alla tillfällen de senaste 5 åren
DIT1 · 61 studenter
Ingår i 4 program
Tentamen
DIT1 Digital salstentamen
- 5
- 4
- 3
- U
Ordinarie tentor
85 % godkända · 61 studenter
- 75 %12
- 90 %10
- 86 %14
- 100 %8
- 82 %17
Omtentor
Inga tillfällen med minst 5 studenter.
- Får 4 eller 5: 51 % (61 studenter)
Visa små tillfällen (6)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 75 %4
- 100 %1
- 50 %2
- 100 %1
- 50 %2
- 100 %2
Övriga moment
Deltentor, inlämningar och laborationer. De ingår inte i siffrorna överst.
Tentamen
TEN1 Skriftlig tentamen
- 4
- 3
- U
Inga tillfällen med minst 5 studenter.
Visa små tillfällen (4)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 0 %1
- 0 %1
- 100 %1
- 100 %3
Inlämning eller laboration
LAB2 Laborationsuppgifter
- G
Ordinarie tillfällen
100 % godkända · 27 studenter
- 100 %10
- 100 %17
Senare tillfällen
100 % godkända · 15 studenter
- 100 %15
- Klarar ett senare tillfälle: 100 % (15 studenter), jämfört med 100 % (27 studenter) på ordinarie
Visa små tillfällen (2)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %1
- 100 %3
Inlämning eller laboration
LAB3 Laborationsuppgifter
- 5
- 4
- U
Ordinarie tillfällen
97 % godkända · 30 studenter
- 100 %15
- 93 %15
Senare tillfällen
Inga tillfällen med minst 5 studenter.
- Får 4 eller 5: 97 % (30 studenter)
Inlämning eller laboration
LAB1 Laborationsuppgifter
- G
Inga tillfällen med minst 5 studenter.
Visa små tillfällen (2)
Tillfällen med färre än 5 studenter, ofta tillgodoräknanden eller specialtillfällen. De ingår inte i någon siffra på sidan.
- 100 %1
- 100 %1
Om kursen
Mål
Planering är att tänka innan man handlar: att inte bara reagera på vad som händer i omgivningen, utan också använda kunskap om världen för att välja vilka handlingar som krävs för att uppnå ett visst mål. Automatisk planering är ett centralt område inom artificiell intelligens och är nödvändig för att konstruera robusta autonoma system.
På senare tid har forskning inom AI-planering rönt stora framgångar då ett flertal nya angreppssätt har visat sig vara väsentligt bättre än gamla tekniker, både när det gäller snabbhet och uttryckskraft. Planeringstekniker används för närvarande med stor framgång inom tillämpningar som produktlinjer, hissar, obemannade flygande farkoster (UAV) samt rymdteknik som Hubbleteleskopet och farkoster för utforskning av Mars.
Målet med denna kurs är att ge en heltäckande bild av den senaste planeringstekniken, samt praktisk erfarnhet av att konstruera och modellera planeringsdomäner för att lösa specifika planeringsproblem.
Efter kursen ska studenten kunna:
- förklara och kontrastera centrala begrepp, modeller och algoritmer inom AI-planering
- modellera klassiska och probabilistiska planeringsproblem
- implementera, applicera och utvärdera algoritmer för AI-planering
- analysera forskningslitteratur inom AI-planering
Innehåll
- modeller för AI-planering
- algoritmer för AI-planering
- heuristiker för klassisk planering
- planering under osäkerhet
- den senaste forskningen inom AI-planering
- Examinator
- Jendrik Seipp
- Schemalagd tid
- 64 h
- Huvudområde
- Informationsteknologi, Datateknik, Datavetenskap