Logo

Agentes Autónomos

Código: 106587
Créditos: 6
2026/2027
Titulación Tipo Curso
Inteligencia Artificial / Bachelor in Artificial Intelligence OB 4

Profesor/a de contacto

Nombre :
Jordi Sabater Mir
Correo electrónico :
jordi.sabater@uab.cat

Equipo docente

Dave De Jonge
Jordi Sabater Mir

Idiomas de los grupos

Puede consultar esta información al final del documento.

Prerrequisitos

Conocimientos conceptuales y fundamentos de programación, lógica computacional y aprendizaje automático.

Objetivos

Esta asignatura introduce las bases de los agentes autónomos y los sistemas multiagente, ofrece una visión detallada de su diseño y proporciona los fundamentos para programarlos en entornos productivos industriales o de servicios, integrando diferentes elementos aprendidos a lo largo del grado.

Resultados de aprendizaje

  • CM16 (Diseñar sistemas basados en agentes autónomos en proyectos de inteligencia artificial) Diseñar sistemas basados en agentes autónomos en proyectos de inteligencia artificial
  • CM17 (Incorporar restricciones éticas y valores sociales en el diseño de estrategias de interacción entre agentes, promoviendo la transparencia y la equidad) Incorporar restricciones éticas y valores sociales en el diseño de estrategias de interacción entre agentes, promoviendo la transparencia y la equidad
  • KM33 (Describir los conceptos necesarios para el diseño e implementación de agentes autónomos, incluyendo arquitecturas, modelos de decisión y aprendizaje) Describir los conceptos necesarios para el diseño e implementación de agentes autónomos, incluyendo arquitecturas, modelos de decisión y aprendizaje
  • KM34 (Identificar los fundamentos de los sistemas multiagente relacionados con teoría de juegos y protocolos de negociación y comunicación entre agentes) Identificar los fundamentos de los sistemas multiagente relacionados con teoría de juegos y protocolos de negociación y comunicación entre agentes
  • SM38 (Aplicar algoritmos de representación del conocimiento, planificación y aprendizaje en el diseño de agentes autónomos en entornos dinámicos) Aplicar algoritmos de representación del conocimiento, planificación y aprendizaje en el diseño de agentes autónomos en entornos dinámicos
  • SM40 (Evaluar el rendimiento de agentes mediante métricas cuantitativas y análisis cualitativo) Evaluar el rendimiento de agentes mediante métricas cuantitativas y análisis cualitativo
  • SM41 (Utilizar plataformas de simulación para modelar y analizar comportamientos autónomos) Utilizar plataformas de simulación para modelar y analizar comportamientos autónomos
  • SM42 (Analizar las implicaciones éticas de las decisiones en agentes autónomos) Analizar las implicaciones éticas de las decisiones en agentes autónomos

Contenidos


  1. Agentes inteligentes: Introducción

  2. BDI (Creencia-Deseo-Intención)

  3. Árboles de comportamiento

  4. Planificación de agentes (STRIPS, GOAP, HTN)

  5. Aprendizaje por refuerzo

  6. Introducción a los sistemas multiagente

  7. Teoría de la utilidad

  8. Teoría de juegos

  9. Comunicación: Fundamentos de filosofía del lenguaje, teoría de los actos de habla (Austin, Searle)

  10. Negociación automatizada

  11. Agentes basados en LLMs

Actividades formativas y Metodología

Título Horas ECTS Resultados de aprendizaje
Prácticas al aula 15 0,6
Clases magistrales 30 1,2
Preparación individual de las pruebas escritas 13 0,52
Trabajo en equipo 30 1,2
Lectura de textos 10 0,4
Tutorias grupales programadas 50 2

Dado que la asignatura está orientada principalmente al aprendizaje de las técnicas básicas de diseño y construcción de agentes autónomos, la metodología docente y las actividades formativas de la asignatura combinarán: sesiones magistrales expositivas (para orientar y despejar dudas sobre lecturas obligatorias ), prácticas presenciales (en el aula, en seminarios o en las aulas de informática) y trabajo en equipo aplicado. Este formato docente permite integrar los conceptos adquiridos y las técnicas explicadas, combinando a lo largo del curso con tutorías de seguimiento y trabajo autónomo.

Como núcleo de un proceso de aprendizaje basado en retos, se organizará una Autonomous Agent Competition (AAC) para probar el rendimiento de los distintos proyectos de trabajo en equipo.

En esta asignatura, se permite el uso de tecnologías de Inteligencia Artificial (IA) como parte integral del desarrollo del trabajo, siempre que el resultado final refleje una contribución significativa del estudiante en el análisis y la reflexión personal. El estudiante deberá identificar claramente qué partes han sido generadas con esta tecnología, especificar las herramientas utilizadas e incluir una reflexión crítica sobre cómo estas han influido en el proceso y el resultado final de la actividad. La falta de transparencia en el uso de la IA se considerará deshonestidad académica y podrá conllevar una penalización en la nota de la actividad o sanciones mayores en casos graves.

A continuación se detallan las diferentes actividades, con su peso específico dentro de la distribución del tiempo total que el estudiante debe dedicar a la asignatura.

Nota: se reservarán 15 minutos de una clase dentro del calendario establecido por el centro o por la titulación para que el alumnado rellene las encuestas de evaluación de la actuación del profesorado y de evaluación de la asignatura o módulo.

Evaluación

Actividades de evaluación continuada

Título Peso Horas ECTS Resultados de aprendizaje
Prueba escrita relativa a teoría 1a parte 25% 1 0,04 KM33, KM34
Prueba escrita relativa a teoría 2a parte 25% 1 0,04 KM33, KM34
Prácticas 50% 0 0 CM16, CM17, SM38, SM40, SM41, SM42

La evaluación del nivel de logro de la asignatura por parte de cada estudiante tiene en cuenta los trabajos prácticos, así como los conocimientos científicos y técnicos de la asignatura. La nota final refleja esto combinando las notas de la parte práctica y teórica de la siguiente manera:

(a) Prueba de teoría (1er examen) (25%)
(b) Prueba de teoría (2º examen) (25%)
(c) Trabajos prácticos (50%)

Esta asignatura no prevé el sistema de evaluación única.

Para aprobar la asignatura en primera convocatoria, es obligatorio obtener al menos un 5 en la parte teórica (promedio de los puntos (a) y (b)) y un 5 en la parte práctica (punto (c)). La nota final se calculará como la media ponderada de la parte teórica (puntos (a) y (b)) y la parte práctica (punto (c)).

En la segunda convocatoria es posible recuperar las notas inferiores a 5 correspondientes a los ítems de evaluación (a), (b) y (c). Para aprobar con éxito la asignatura en segunda convocatoria se seguirá el mismo criterio que en primera convocatoria. Además, es importante tener en cuenta que la nota asignada al elemento de evaluación recuperado será de 5 (aunque la puntuación final sea superior).

No Evaluado: La nota final del estudiante será \"No Presentado\" si el estudiante no ha sido evaluado en las dos pruebas escritas (a) y (b).

Matrícula de Honor: La concesión de una \"Matrícula de Honor\" (MH) es decisión del profesorado responsable de la asignatura. La normativa de la UAB establece que solo se puede otorgar la matrícula de honor a estudiantes que hayan obtenido una nota final igual o superior a 9, y que solohasta un 5% del total de estudiantes matriculados puede recibir esta distinción.

Plagio: Sin perjuicio de otras medidas que se consideren oportunas y de acuerdo con la legislación académica vigente, las irregularidades cometidas por un estudiante durante una actividad de evaluación pueden conllevar el cambio de cualquier nota a 0. Las actividades de evaluación penalizadas de esta manera no serán recuperables. Si es necesario superar alguna de estas actividades para aprobar la asignatura, el estudiante no aprobará la asignatura, sin posibilidad de recuperarla en una segunda convocatoria del mismo curso académico. Estas irregularidades incluyen, entre otras:

  • Copiar total o parcialmente una práctica, informe o cualquier otra actividad de evaluación;

  • Permitir que otros copien tus ejercicios/examen/trabajo;

  • Presentar un trabajo en equipo que no haya sido realizado completamente por los miembros del equipo;

  • Presentar como propios materiales elaborados por un tercero, incluso si son traducciones o adaptaciones, y en general obras con elementos no originales y exclusivos del estudiante;

  • Utilizar dispositivos de comunicación (como teléfonos móviles, relojes inteligentes, tablets, etc.) durante actividades de evaluación, ya sean individuales o en equipo.

En caso de que el estudiante haya cometido irregularidades en alguna actividad de evaluación (y por lo tanto no pueda aprobar la asignatura ni en segunda convocatoria), la nota final de la asignatura será el valor más bajo entre 3 y la media ponderada de las notas. En resumen: copiar, permitirque otros copien tu trabajo o plagiar en cualquier actividad de evaluación equivale a un suspenso con una nota igual o inferior a 3.

Bibliografía

Russell S. J. Norvig P. Chang M.-W. Devlin J. Dragan A. Forsyth D. Goodfellow I. Malik J. Mansinghka V. & Pearl J. (2022). Artificial intelligence: a modern approach (Fourth edition. Global). Pearson. 

Wooldridge M. J. (2009). An introduction to multiagent systems (2. ed.). John Wiley & Sons.

Introduction to Automated Negotiation. Dave de Jonge.

Software

PyCharm,Visual Studio (o algún otro IDE), PYTHON, UNITY.

Grupos e idiomas de la asignatura

La información proporcionada es provisional hasta el 30 de noviembre. A partir de esta fecha, podrá consultar el idioma de cada grupo a través de este enlace. Para acceder a la información, será necesario introducir el CÓDIGO de la asignatura

Tipo de docencia Grupo Idioma Semestre Turno
(TE) Teoría 71 Inglés segundo cuatrimestre tarde
(PAUL) Prácticas de aula 711 Inglés segundo cuatrimestre tarde
(PLAB) Prácticas de laboratorio 711 Inglés segundo cuatrimestre tarde