Differences

This shows you the differences between two versions of the page.

--- en:safeav:curriculum:ctrl-m [2025/10/30 12:49] – momala
+++ en:safeav:curriculum:ctrl-m [2025/11/05 11:19] (current) – airi
@@ Line 1: / Line 1: @@
 ====== Module: Control, Planning, and Decision-Making (Part 2) ======
-| **Study level**                 | Master                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                            ||
-| **ECTS credits**                | 1 ECTS                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                            ||
+^ **Study level** | Master |
-| **Study forms**                 | Hybrid or fully online                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                            ||
+^ **ECTS credits** | 1 ECTS |
-| **Module aims**                 | To provide students with advanced theoretical and practical knowledge in the validation and verification of control, planning, and decision-making systems used in autonomous platforms. The module explores simulation-based testing, formal verification, and model-checking techniques that ensure the safety and stability of AI-enhanced controllers. Students will learn to integrate hybrid simulation frameworks, formal reasoning tools, and optimization algorithms to assess real-world readiness of control architectures. Emphasis is placed on quantifiable safety guarantees, robustness against uncertainty, and compliance with international standards (ISO 26262, ISO 21448, and IEEE 2846).                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                   ||
+^ **Study forms** | Hybrid or fully online |
-| **Pre-requirements**            | Strong background in control theory, optimization, and planning algorithms. Familiarity with programming (Python, C++, MATLAB), model-based design tools (Simulink, ROS 2), and AI decision-making frameworks. Basic understanding of formal methods, hybrid systems, and system modeling. Prior exposure to simulation environments or real-time control applications is recommended.                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                            ||
+^ **Module aims** | The aim of the module is to introduce validation and verification methods for control, planning and decision-making in autonomous systems. The course develops students’ ability to design, execute and interpret simulation-based and formal testing workflows that assess safety, robustness and standards compliance of autonomy controllers. |
-| **Learning outcomes**           | Knowledge:\\ • Explain simulation-based and formal validation approaches for control and planning systems.\\ • Describe the use of model-checking, reachability analysis, and verification frameworks in autonomous systems.\\ • Understand ISO 26262, ISO 21448 (SOTIF), and IEEE 2846 standards relevant to control and decision-making validation.\\ • Discuss trade-offs between simulation fidelity, computational efficiency, and real-time constraints.\\ Skills:\\ • Develop and validate control and planning algorithms in simulation environments (MATLAB/Simulink, ROS 2, CARLA).\\ • Apply formal verification tools (UPPAAL, SPIN, or CBMC) to analyze safety and correctness properties.\\ • Design hybrid validation workflows combining Monte Carlo simulation and symbolic reasoning.\\ • Evaluate algorithm robustness and decision safety under stochastic and adversarial conditions.\\ Understanding/Attitudes:\\ • Appreciate the role of rigorous validation in certifying autonomous behaviors and AI-based decision-making.\\ • Recognize limitations of current simulation and formal verification tools in high-dimensional, data-driven systems.\\ • Adopt ethical, transparent, and standards-compliant practices in the assurance of autonomy.     ||
+^ **Pre-requirements** | Basic knowledge of control theory, optimisation and planning algorithms, as well as programming skills or MATLAB. Familiarity with model-based design tools, AI decision-making frameworks or simulation and real-time control environments is recommended but not mandatory. |
-| ** Topics **                    | 1. Validation of Control and Planning Systems:\\    – System-level validation frameworks and verification-driven design.\\    – Simulation fidelity, corner-case testing, and scenario coverage.\\ 2. Simulation Environments and Tools:\\    – SIL/HIL setups, Monte Carlo analysis, and statistical validation.\\    – Multi-domain co-simulation for cyber-physical systems.\\ 3. Formal Verification and Model Checking:\\    – Safety property specification and temporal logic (LTL, CTL).\\    – Reachability analysis, invariant verification, and constraint solving.\\ 4. Hybrid and Nonlinear Systems:\\    – Modeling hybrid automata and nonlinear control loops.\\    – Formal abstraction and conservative over-approximation techniques.\\ 5. Standards and Safety Frameworks:\\    – ISO 26262, ISO 21448, IEEE 2846, and ASAM OpenSCENARIO for validation.\\ 6. Case Studies:\\    – Autonomous driving, UAV flight control, and robotic path planning validation.                                                                                                                                                                                                                                                                                              ||
+^ **Learning outcomes** | **Knowledge**\\ • Explain simulation-based and formal validation approaches for control and planning systems.\\ • Describe the use of model-checking, reachability analysis, and verification frameworks in autonomous systems.\\ • Understand standards relevant to control and decision-making validation.\\ • Discuss trade-offs between simulation fidelity, computational efficiency, and real-time constraints.\\ **Skills**\\ • Develop and validate control and planning algorithms in simulation environments.\\ • Apply formal verification tools to analyze safety and correctness properties.\\ • Design hybrid validation workflows combining Monte Carlo simulation and symbolic reasoning.\\ • Evaluate algorithm robustness and decision safety under stochastic and adversarial conditions.\\ **Understanding**\\ • Appreciate the role of rigorous validation in certifying autonomous behaviors and AI-based decision-making.\\ • Recognize limitations of current simulation and formal verification tools in high-dimensional, data-driven systems.\\ • Adopt ethical, transparent, and standards-compliant practices in the assurance of autonomy. |
-| **Type of assessment**          | The prerequisite of a positive grade is a positive evaluation of module topics and presentation of practical work results with required documentation                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                             ||
+^ **Topics** | 1. Validation of Control and Planning Systems:\\    – System-level validation frameworks and verification-driven design.\\    – Simulation fidelity, corner-case testing, and scenario coverage.\\ 2. Simulation Environments and Tools:\\    – SIL/HIL setups, Monte Carlo analysis, and statistical validation.\\    – Multi-domain co-simulation for cyber-physical systems.\\ 3. Formal Verification and Model Checking:\\    – Safety property specification and temporal logic.\\    – Reachability analysis, invariant verification, and constraint solving.\\ 4. Hybrid and Nonlinear Systems:\\    – Modeling hybrid automata and nonlinear control loops.\\    – Formal abstraction and conservative over-approximation techniques.\\ 5. Standards and Safety Frameworks:\\    – ISO 26262, ISO 21448, IEEE 2846, and ASAM OpenSCENARIO for validation.\\ 6. Case Studies:\\    – Autonomous driving, UAV flight control, and robotic path planning validation. |
-| **Learning methods**            | Lectures: Cover theory and methodologies for simulation-based and formal validation of control and planning systems.\\ Lab works: Implement and test controllers in virtual and hybrid environments (ROS 2, MATLAB, CARLA, Scenic, CommonRoad, UPPAAL).\\ Individual assignments: Develop validation pipelines, perform reachability analysis, and document results.\\ Self-learning: Study research papers and international standards on autonomy verification and formal safety assurance.                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                         ||
+^ **Type of assessment** | The prerequisite of a positive grade is a positive evaluation of module topics and presentation of practical work results with required documentation |
-| **AI involvement**              | Yes — AI tools may be used to automate scenario generation, identify unsafe trajectories, and optimize validation coverage. Students must validate AI-assisted outcomes, ensure reproducibility, and cite AI involvement transparently in deliverables.                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                        |   |
+^ **Learning methods** | **Lecture** — Cover theory and methodologies for simulation-based and formal validation of control and planning systems.\\ **Lab works** — Implement and test controllers in virtual and hybrid environments (ROS2, MATLAB, CARLA, Scenic, CommonRoad, UPPAAL).\\ **Individual assignments** — Develop validation pipelines, perform reachability analysis, and document results.\\ **Self-learning** — Study research papers and international standards on autonomy verification and formal safety assurance. |
-| **References to\\ literature**  | 1. Rajamani, R. (2012). Vehicle Dynamics and Control (2nd ed.). Springer.\\ 2. Baier, C., & Katoen, J.-P. (2018). Principles of Model Checking. MIT Press.\\ 3. Koopman, P., & Widen, J. (2023). The AI Driver: Defining Human-Equivalent Safety for Automated Vehicles. IEEE Transactions on Intelligent Vehicles.\\ 4. ISO 21448 (2022). Road Vehicles – Safety Of The Intended Functionality (SOTIF).\\ 5. ISO 26262 (2018). Road Vehicles – Functional Safety.\\ 6. IEEE 2846 (2022). Assumptions for Models in Safety-Related Automated Vehicle Behavior.\\ 7. Althoff, M., et al. (2021). Formal Verification of Autonomous Systems: State of the Art and Future Directions. IEEE Access.\\ 8. Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep Learning. MIT Press.                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                ||
+^ **AI involvement** | AI tools may be used to automate scenario generation, identify unsafe trajectories, and optimize validation coverage. Students must validate AI-assisted outcomes, ensure reproducibility, and cite AI involvement transparently in deliverables. |
-| **Lab equipment**               | Yes                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                               ||
+^ **Recommended tools and environments** | MATLAB/Simulink, ROS2, CARLA, UPPAAL, SPIN, or CBMC |
-| **Virtual lab**                 | Yes                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                               ||
+^ **Verification and Validation focus** |  |
-| **MOOC course**                 | Suggested MOOC: 'Formal Methods for Autonomous Systems' (edX, University of York) or 'Verification and Validation of AI Systems' (Coursera, Stanford University).                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                                 ||
+^ **Relevant standards and regulatory frameworks** | ISO 26262, ISO 21448 (SOTIF), and IEEE 2846, ASAM OpenSCENARIO |