Behörighetskrav

120 hp inklusive 15 hp matematik och 60 hp datavetenskap/systemvetenskap, varav minst 20 hp programmering/algoritmer/datastrukturer.

Mål

Efter godkänd kurs ska studenten kunna

• implementera beräkningsmetoder för att känna igen och spåra kännetecken för mänskligt beteende genom olika former av perception
• använda maskininlärningsmetoder för automatisk detektering av mänskliga beteenden och tillstånd
• välja lämpliga konstruktionsmetoder för att skapa sociala perceptionsförmågor som att känna igen människor, beteenden och högre ordningars sociala tillstånd och variabler (t.ex. känslor) baserat på lågnivåfunktioner från olika modaliteter av perception
• beskriva grundläggande principer för socialt adaptivt beteende i robotar och förkroppsligade interaktiva system
• tillämpa grundläggande principer för design och utvärdering av interaktionen mellan människa och maskin
• utvärdera den påverkan som känslotolkning, beteendeigenkänning och liknande teknologier kan ha på etiska värden såsom integritet och autonomi samt föreslå strategier för att uppfylla värden som är viktiga för användare och samhälle, inklusive minimering av negativa konsekvenser

Innehåll

Innehållet inkluderar igenkänning och spårning av ansikten, ansiktsdrag, ansiktsuttryck och gester, automatisk analys av multimodalt beteende, automatisk slutledning av känslotillstånd och sociala signaler, kritikerledd inlärning för adaptiva maskiner, förkroppsligande av maskiner och beteendegenerering, kontroll och planering, människa-agent- och människa-robotinteraktion.

Undervisning

Föreläsningar och inlämningsuppgifter.

Examination

Skriftliga inlämningsuppgifter (2 hp), muntlig och skriftlig redovisning av projekt (3 hp).