１．授業のねらい

２．授業の内容

• 最適化のアルゴリズム（特に，線形計画，ニューラルネット，GA)
• 学習のアルゴリズム（特に強化学習)
• プログラミング（特にサブサンプションアーキテクチャ）
• ロボットプログラミング関係の標準化動向

３．事前に履修を必要とする事項

• 最適化については，線形代数
• 学習については，特に初等数学が理解できていれば十分．
• 通信については，機械工学科としては対応開講科目がありませんので， 少なくともインターネットを利用していることを期待します．
• センサ情報の統合については，センサフュージョンに関する事項 を学びますが，これもセンサに関する一般的な事項を把握していれば十分
• 知能化の方法については，研究の最前線なので，事前に必要な知識は 特にありません．

４．事後に学習すべき事項

• 最適化や学習についてはコンピュータで実際に問題を解いてみること
• 計画や知能化の部分は人工知能の研究としても知られているので そこにも課題や解決手法があるかもしれない．広い視野を持とう．