Syllabus query



Academic Year/course: 2022/23

614 - Master's in Innovation and Entrepreneurship in Health and Wellbeing Technologies

68958 - Multi-Agent systems and Robotics in Health


Syllabus Information

Academic Year:
2022/23
Subject:
68958 - Multi-Agent systems and Robotics in Health
Faculty / School:
326 - Escuela Universitaria Politécnica de Teruel
Degree:
614 - Master's in Innovation and Entrepreneurship in Health and Wellbeing Technologies
ECTS:
3.0
Year:
1
Semester:
Second semester
Subject Type:
Optional
Module:
---

1. General information

1.1. Aims of the course

This course provides the foundation for those who wish to use the agent paradigm for small developments applied to the health context. It will also lay the foundation for applying robotics, perception, and control techniques in this context. Thus, as the main objectives of the course, it is sought that those who take it reach the adequate level of competences in aspects of design and implementation of multi-agent systems and robotic systems.

These approaches and objectives are aligned with some of the Sustainable Development Goals, SDG, of the 2030 Agenda (https://www.un.org/sustainabledevelopment/es/) and certain specific goals, in such a way that the acquisition of the Learning outcomes of the subject provides training and competence to the student to contribute to a certain extent to their achievement:

These approaches and objectives are aligned with some of the Sustainable Development Goals, SDG, of the 2030 Agenda (https://www.un.org/sustainabledevelopment/es/) and certain specific goals, in such a way that the acquisition of the Learning outcomes of the subject provides training and competence to the student to contribute to a certain extent to their achievement:

• Goal 3: Ensure healthy lives and promote well-being for all at all ages.

Target 3.4 By 2030, reduce by one third premature mortality from non-communicable diseases through prevention and treatment and promote mental health and well-being.

Target 3.d Strengthen the capacity of all countries, in particular developing countries, for early warning, risk reduction and management of national and global health risks.

• Goal 4: Ensure inclusive and equitable quality education and promote lifelong learning opportunities for all.

Target 4.4 By 2030, substantially increase the number of youth and adults who have relevant skills, including technical and vocational skills, for employment, decent jobs and entrepreneurship.

• Goal 8: Promote sustained, inclusive and sustainable economic growth, full and productive employment and decent work for all.

Target 8.6 By 2020, substantially reduce the proportion of youth not in employment, education or training.

• Goal 9: Build resilient infrastructure, promote inclusive and sustainable industrialization and foster innovation.

Target 9.5 Enhance scientific research, upgrade the technological capabilities of industrial sectors in all countries, in particular developing countries, including, by 2030, encouraging innovation and substantially increasing the number of research and development workers per 1 million people and public and private research and development spending.

1.2. Context and importance of this course in the degree

The course goes deeper into the area of multi-agent systems and robotics, providing solutions within the context of health. 

In the part of the multiagent systems, the main architectures, platforms, and tools for the development, implementation, and deployment of multiagent systems will be presented. In addition, agreement technologies (e.g. negotiation and argumentation) and agent-based simulation will be introduced. In the robotics part, the main tools that allow the development of simple applications in the health context will be introduced. The focus of the course will be practical and it is intended to raise small developments oriented to the health field using the tools seen in the different aspects highlighted.

1.3. Recommendations to take this course

To take this course, it is advisable to have basic notions of programming. Therefore, it is recommended to have passed the Complementary Training in Information and Communications Technology.

2. Learning goals

2.1. Competences

After passing the course, the student will be more competent for...

- Acquiring the knowledge, skills, and abilities necessary to carry out innovative work in the field of technologies for health and well-being.

- Writing technical documents or reports describing a novel application in the field of technology for health and well-being, as well as knowing how to protect or distribute it.

- Searching, managing, understanding and critically analyzing scientific publications, bibliography, and documentation in the field of Health and Wellness Technologies.

- Understanding knowledge that provides a basis or opportunity to be original in the development and/or application of ideas, often in a research context.

- Applying their acquired knowledge and problem-solving skills in new or unfamiliar environments within broader (or multidisciplinary) contexts related to their area of study.

- Communicating their findings and rationale behind them to specialist and non-specialist audiences in a clear and unambiguous manner.

- Continuing to study in a largely self-directed or autonomous manner.

- Analyzing biomedical data and extracting relevant information from it for problem-solving in the field of Health and Welfare Technologies

- Conducting technological modeling of a real element or scenario in the field of Health and Welfare Technologies being able to connect it with models from other disciplines.

2.2. Learning goals

The student will have to show the following skills in order to pass the course…

He/she knows the fundamentals, principles and applications of robotic systems

He/she knows the problems of multi-agent control systems and network control: communication delays, sensor noise, data loss, etc.

He/she develops simple practical applications of intelligent cooperative robotics in the field of health and well-being. 

He/she specifies and designs a multiagent system for a given problem. 

He/she implements multi-agent systems in the field of health and wellness.

 

2.3. Importance of learning goals

Multi-agent systems and robotics have important applications today in the field of health and well-being. In this course, students will be provided with the necessary foundations to use the associated paradigms (multi-agent systems and robotics). It also has a markedly practical character, since students will carry out small developments, applied to the context of health.

3. Assessment (1st and 2nd call)

3.1. Assessment tasks (description of tasks, marking system and assessment criteria)

The student will have to prove that he/she has achieved the learning goals by means of the following tasks.

The marks of both calls of the course (January/February and September) will be calculated in the following way:

Multi-agent Systems. 50% of the final mark:

- Theoretical and practical tests (30% of the mark of the part of the multi-agent systems). It is a theoretical-practical exam that includes questions and problems about the whole course. The student will need to obtain a mark of 4 to pass the course. If the mark is lower than 4, then the final mark of the course will be the minimum between the weighted average of the two parts and the mark of the exam.

- Assignments (70% of the final mark). During the course, some assignments will have to be carried out by the students. If they do not fulfill all of them, or their average mark is lower than 5, then the student will have to carry out a practical exam to pass this part of the course.

Robotics. 50% of the final mark:

- Theoretical and practical tests. 30% of the mark of the Robotics part. These are tests on theoretical and practical content and exercises related to the subject matter.

- Evaluation of the practical work. 70% of the mark of the Robotics part. The objective of this test is to evaluate the knowledge and skills acquired during the development of a case study that requires putting into play all the learning results. It will be carried out in each official call.

4. Methodology, learning tasks, syllabus and resources

4.1. Methodological overview

The learning process that has been designed for this subject is based on the following:

- The study and work continued from the first day of class.

- The learning and application of concepts and methodologies, through the theory and problem classes. In these classes, students will play an active role in discussion and resolution.

- The work developing projects proposed by the teachers, whose result is reflected in the delivery of the results properly documented, and that will serve for evaluation in the terms indicated in the corresponding section.

4.2. Learning tasks

The program offered to the student to help him/her achieve the expected results includes the following activities:

- In the theory and problem classes, the subject's agenda will be developed and problems of application of the concepts and techniques presented in the subject's program will be solved.

- In the assignments, the students will apply the acquired competences and they will reflect it in a document or presentation directed to the teachers of the subject.

- Virtual tutorials will consist of tutorials proposed by the teacher in a telematic way to clarify possible doubts that may arise during the study.

- All the activities (except the exam) will take place at a distance, using the means provided by the University of Zaragoza for this purpose, and taking advantage of what the University of Zaragoza dictates in terms of blended learning.

 

4.3. Syllabus

  • Multi-agent systems
    • Intelligent agents
    • Multi-agent systems
    • Agreement Technologies
    • Agent architectures
    • Communication and coordination
    • Agent platforms
  • Robotics 
    • Introduction to Perception, Robotics, and Control
    • Conceptual framework and classic models
    • Fundamentals and applications
    • Case studies (related to topics that include: Computer vision, Perception systems, Multi-robot systems, Robot manipulators, Service robotics)
    • Examples of recent results

4.4. Course planning and calendar

Student's work
The student's dedication to achieving the learning outcomes in this subject is estimated at 75 hours distributed as follows:

  • 8 hours of problems and cases,
  • 8 hours of practice,
  • 18 hours of work,
  • 38 hours of study,
  • 3 evaluation

Calendar of face-to-face sessions and presentation of papers

The teaching organization of the subject is as follows:
Theory and problem classes (20 hours). As mentioned above, these classes will not be face-to-face, being recorded, and available on the virtual platform and/or synchronous classes.

Presentation of work to be evaluated:
The problems and works that are proposed will be informed of their delivery date when they are proposed.
The schedule of exams and the dates for submission of papers will be announced in advance.

4.5. Bibliography and recommended resources

http://psfunizar10.unizar.es/br13/egAsignaturas.php?codigo=68958


Curso Académico: 2022/23

614 - Máster Universitario en Innovación y Emprendimiento en Tecnologías para la Salud y el Bienestar

68958 - Sistemas Multi-Agentes y Robótica en Salud


Información del Plan Docente

Año académico:
2022/23
Asignatura:
68958 - Sistemas Multi-Agentes y Robótica en Salud
Centro académico:
326 - Escuela Universitaria Politécnica de Teruel
Titulación:
614 - Máster Universitario en Innovación y Emprendimiento en Tecnologías para la Salud y el Bienestar
Créditos:
3.0
Curso:
1
Periodo de impartición:
Segundo semestre
Clase de asignatura:
Optativa
Materia:
---

1. Información Básica

1.1. Objetivos de la asignatura

La asignatura y sus resultados previstos responden a los siguientes planteamientos y objetivos:

Esta asignatura proporciona los fundamentos para quienes deseen utilizar el paradigma de agente para la realización de pequeños desarrollos aplicados al contexto de la salud. Se sentarán también las bases para poder aplicar técnicas de robótica, percepción y control en este contexto. Así, como objetivos principales de la asignatura, se busca que quienes la cursen alcancen el nivel adecuado de competencias en aspectos de diseño e implementación de sistemas multiagente y sistemas robóticos.

Estos planteamientos y objetivos están alineados con algunos de los Objetivos de Desarrollo Sostenible, ODS, de la Agenda 2030 (https://www.un.org/sustainabledevelopment/es/) y determinadas metas concretas, de tal manera que la adquisición de los resultados de aprendizaje de la asignatura proporciona capacitación y competencia al estudiante para contribuir en cierta medida a su logro:

• Objetivo 3: Garantizar una vida sana y promover el bienestar para todos en todas las edades.

Meta 3.4 Para 2030, reducir en un tercio la mortalidad prematura por enfermedades no transmisibles mediante la prevención y el tratamiento y promover la salud mental y el bienestar.

Meta 3.d Reforzar la capacidad de todos los países, en particular los países en desarrollo, en materia de alerta temprana, reducción de riesgos y gestión de los riesgos para la salud nacional y mundial.

• Objetivo 4: Garantizar una educación inclusiva, equitativa y de calidad y promover oportunidades de aprendizaje durante toda la vida para todos.

Meta 4.4 De aquí a 2030, aumentar considerablemente el número de jóvenes y adultos que tienen las competencias necesarias, en particular técnicas y profesionales, para acceder al empleo, el trabajo decente y el emprendimiento.

• Objetivo 8: Promover el crecimiento económico sostenido, inclusivo y sostenible, el empleo pleno y productivo y el trabajo decente para todos.

Meta 8.6 De aquí a 2020, reducir considerablemente la proporción de jóvenes que no están empleados y no cursan estudios ni reciben capacitación.

• Objetivo 9: Construir infraestructuras resilientes, promover la industrialización inclusiva y sostenible y fomentar la innovación.

Meta 9.5 Aumentar la investigación científica y mejorar la capacidad tecnológica de los sectores industriales de todos los países, en particular los países en desarrollo, entre otras cosas fomentando la innovación y aumentando considerablemente, de aquí a 2030, el número de personas que trabajan en investigación y desarrollo por millón de habitantes y los gastos de los sectores público y privado en investigación y desarrollo.

1.2. Contexto y sentido de la asignatura en la titulación

La asignatura profundiza en el área de los sistemas multiagente y la robótica, aportando soluciones dentro del contexto de la salud. 

En la parte de los sistemas multiagente se presentarán las principales arquitecturas, plataformas y herramientas de desarrollo, implementación e implantación de sistemas multiagente. Además, se introducirán tecnologías del acuerdo (ej. negociación y la argumentación) y la simulación basada en agentes. En la parte de robótica, se introducirán las principales herramientas que permitan el desarrollo de aplicaciones sencillas en el contexto de la salud. El enfoque de la asignatura será práctico y se pretende plantear pequeños desarrollos orientados al campo de la salud empleando las herramientas vistas en los diferentes aspectos destacados.

 

1.3. Recomendaciones para cursar la asignatura

Para cursar esta asignatura, es recomendable tener nociones básicas de programación. Por tanto, es recomendable haber superado los Complementos formativos de Tecnologías de la Información y Comunicaciones.

2. Competencias y resultados de aprendizaje

2.1. Competencias

Al superar la asignatura, el estudiante será más competente para...

Competencias Básicas

CB6- Poseer y comprender los conocimientos que proporcionan una base o una oportunidad para ser original en el desarrollo y/o aplicación de ideas, a menudo en un contexto de investigación.

CB7- Aplicar sus conocimientos adquiridos y su capacidad de resolución de problemas en entornos nuevos o desconocidos dentro de contextos más amplios (o multidisciplinarios) relacionados con su área de estudio.

CB9- Comunicar sus conclusiones –y los conocimientos y razones últimas que las sustentan– a públicos especializados y no especializados de un modo claro y sin ambigüedades.

CB10- Poseer las habilidades de aprendizaje que les permitan continuar estudiando de un modo que habrá de ser en gran medida autodirigido o autónomo.

Competencias Generales

CG1- Poseer los conocimientos, habilidades y destrezas necesarias para llevar a cabo un trabajo innovador en el campo de las tecnologías para la salud y el bienestar.

CG2- Saber redactar documentos técnicos o informes que describan una aplicación novedosa en el campo de la tecnología para la salud y el bienestar, así como saber protegerla o distribuirla.

CG3- Buscar, gestionar, comprender y analizar críticamente publicaciones científicas, bibliografía y documentación en el campo de las Tecnologías para la Salud y el Bienestar.

Competencias Específicas

CE8- Analizar datos biomédicos y extraer la información relevante de los mismos para la resolución de problemas en el ámbito de Tecnologías de la Salud y el Bienestar.

CE9- Realizar un modelado tecnológico de un elemento o escenario real en el ámbito de las Tecnologías de la Salud y el Bienestar pudiendo conectarlo con modelos de otras disciplinas.

2.2. Resultados de aprendizaje

El estudiante, para superar esta asignatura, deberá demostrar los siguientes resultados...

Conoce los fundamentos, principios y aplicaciones de los sistemas robotizados.
Conoce la problemática de los sistemas de control multiagente y control en red: retrasos de comunicaciones, ruido en los sensores, pérdida de datos, etc.
Es capaz de desarrollar aplicaciones prácticas sencillas de robótica cooperativa inteligente en el campo de la salud y bienestar.
Especifica y diseña un sistema multi-agente para un problema dado.
Implementa un simulador basado en agentes novedoso en el campo de la salud y bienestar

2.3. Importancia de los resultados de aprendizaje

Los sistemas multi-agente y la robótica tienen importantes aplicaciones en la actualidad en el ámbito de la salud y el bienestar. En esta asignatura, se proporcionarán los fundamentos necesarios para que los estudiantes puedan usar los paradigmas asociados (sistemas multi-agente, robótica). Además, tiene también un marcado carácter práctico, ya que los estudiantes realizarán pequeños desarrollos, aplicados al contexto de la salud.

3. Evaluación

3.1. Tipo de pruebas y su valor sobre la nota final y criterios de evaluación para cada prueba

El estudiante deberá demostrar que ha alcanzado los resultados de aprendizaje previstos mediante las siguientes actividades de evaluación

La nota final de la asignatura en la convocatoria de mayo/junio se divide de la siguiente forma:

Sistemas multiagente. 50% de la nota final:

  • Pruebas teórico-prácticas. 30% de la nota de la parte de Sistemas multiagente. Se trata de un examen teórico-práctico con ejercicios sobre el temario de la asignatura. Deberá obtenerse una calificación mayor de 4 sobre 10 para poder superar el examen final. En caso de que no se alcance ese mínimo, la nota final de la asignatura será la menor entre la nota media de las dos partes y la nota del examen.

  • Trabajos académicos y prácticas. 70% de la nota de la parte de Sistemas multiagente. Esta nota se alcanzará mediante el desarrollo de una serie de trabajos prácticos a realizar a lo largo del curso. Si no se entregan dichos trabajos prácticos en su totalidad, o si la calificación media de los mismos es inferior a 5 sobre 10, el alumno necesitará llevar a cabo una prueba de recuperación para aprobar la asignatura. Dicha prueba tendrá lugar el día del examen final.

Robótica: 50% de la nota final:

  • Pruebas teórico-prácticas. 30% de la nota de la parte de Robótica. Se trata de pruebas sobre contenidos teórico-prácticos y ejercicios relacionados con el temario de la asignatura.

  • Evaluación del trabajo práctico. 70% de la nota de la parte de Robótica. El objetivo de esta prueba es evaluar los conocimientos y destrezas adquiridos durante el desarrollo de un caso de estudio que requiere poner en juego todos los resultados de aprendizaje. Se llevará a cabo en cada convocatoria oficial.

De cara a la convocatoria de septiembre, la evaluación constará de las mismas partes que en la convocatoria de mayo/junio.

4. Metodología, actividades de aprendizaje, programa y recursos

4.1. Presentación metodológica general

El proceso de aprendizaje que se ha diseñado para esta asignatura se basa en lo siguiente:

  1. El estudio y trabajo continuado desde el primer día de clase.

  2. El aprendizaje y aplicación de conceptos y metodologías, a través de las clases de teoría y problemas. En estas clases los alumnos desempeñarán un papel activo en la discusión y resolución.

  3. El trabajo desarrollando proyectos propuestos por los profesores, cuyo resultado se plasma en la entrega de los resultados convenientemente documentados, y que servirá para la evaluación en los términos indicados en el correspondiente apartado.

4.2. Actividades de aprendizaje

En las clases de teoría y problemas se desarrollará el temario de la asignatura y se resolverán problemas de aplicación de los conceptos y técnicas presentadas en el programa de la asignatura.

En los trabajos docentes los estudiantes aplicarán las competencias adquiridas y lo reflejarán en un documento o presentación dirigido al profesorado de la asignatura.

Las tutorías virtuales consistirán en la realización de tutorías propuestas por el profesor de manera telemática para aclarar las posibles dudas que surjan durante el Estudio

Todas las actividades (salvo el examen) tendrán lugar a distancia, utilizando los medios proporcionados por la Universidad de Zaragoza para dicho fin, y acogiéndose a lo que la Universidad de Zaragoza dicte en cuanto a docencia semipresencial.

4.3. Programa

  • Sistemas multiagente

    • Agentes inteligentes

    • Sistemas multiagente

    • Tecnologías de acuerdo

    • Arquitecturas de agentes

    • Comunicación y coordinación

    • Plataformas de agentes

  • Robótica 

    • Introducción a la percepción, robótica y control

    • Marco conceptual y modelos clásicos

    • Fundamentos y aplicaciones

    • Casos de estudio (relacionados con temáticas que incluyen: Visión por computador, Sistemas de percepción, Sistemas multi-robot, Robots manipuladores, Robótica de servicio)

    • Ejemplos de resultados recientes

4.4. Planificación de las actividades de aprendizaje y calendario de fechas clave

Trabajo del estudiante

La dedicación del estudiante para alcanzar los resultados de aprendizaje en esta asignatura se estima en 75 horas distribuidas del siguiente modo:

  • 8 horas problemas y casos, 

  • 8 horas prácticas, 

  • 18 horas trabajos, 

  • 38 horas estudio, 

  • 3 evaluación

Calendario de sesiones presenciales y presentación de trabajos

La organización docente de la asignatura es la siguiente:

Clases de teoría y problemas (20 horas). Como se ha dicho anteriormente, estas clases no serán presenciales, llevándose a cabo clases grabadas y disponibles en la plataforma virtual y/o clases síncronas.

Presentación de trabajos objeto de evaluación:

En los problemas y trabajos que se propongan se informará de su fecha de entrega al ser propuestos.

El calendario de exámenes y las fechas de entrega de trabajos se anunciará con suficiente antelación.

 

4.5. Bibliografía y recursos recomendados

http://psfunizar10.unizar.es/br13/egAsignaturas.php?codigo=68958