COGNITIVE ROBOTICS

Ingegneria Informatica COGNITIVE ROBOTICS

0622700056
DIPARTIMENTO DI INGEGNERIA DELL'INFORMAZIONE ED ELETTRICA E MATEMATICA APPLICATA
CORSO DI LAUREA MAGISTRALE
INGEGNERIA INFORMATICA
2021/2022



OBBLIGATORIO
ANNO CORSO 2
ANNO ORDINAMENTO 2017
PRIMO SEMESTRE
CFUOREATTIVITÀ
324LEZIONE
324LABORATORIO
Obiettivi
LO SCOPO DELL’INSEGNAMENTO È QUELLO DI FORNIRE GLI ELEMENTI ARCHITETTURALI, METODOLOGICI E PROGETTUALI PER LA REALIZZAZIONE DI ROBOT INTELLIGENTI CHE DEBBONO INTERAGIRE CON ALTRI SOGGETTI SIA UMANI CHE ROBOTICI.

CONOSCENZE E CAPACITÀ DI COMPRENSIONE
METODOLOGIE BASATE SUL MACHINE LEARNING PER IL CONTROLLO E LA PIANIFICAZIONE DELL’ATTIVITÀ DEL ROBOT. METODOLOGIE BASATE SULLA VISIONE ARTIFICIALE E LA PATTERN RECOGNITION PER L’ANALISI DELL’AMBIENTE (INTERPRETAZIONE DELLA SCENA BASATA SULLA VISIONE ROBOTICA 2D E 3D) E IL RICONOSCIMENTO E CARATTERIZZAZIONE DEGLI ALTRI SOGGETTI PRESENTI IN ESSO, SIA UMANI CHE ROBOTICI (RICONOSCIMENTO DI AZIONI E GESTI, APPRENDIMENTO AUTOMATICO DI COMPORTAMENTI, COMPRENSIONE DEL PARLATO).

CONOSCENZA E CAPACITÀ DI COMPRENSIONE APPLICATE
PROGETTARE E REALIZZARE SOLUZIONI A PROBLEMI DI ROBOTICA INTELLIGENTE MEDIANTE LA SCELTA E L’APPLICAZIONE DELLE METODOLOGIE PRESENTATE E UTILIZZANDO GLI AMBIENTI SOFTWARE E I SISTEMI OPERATIVI SPECIFICI PER LA ROBOTICA.
Prerequisiti
PER IL PROFICUO RAGGIUNGIMENTO DEGLI OBIETTIVI PREFISSATI È RICHIESTA LA CONOSCENZA DEL LINGUAGGIO C E DEL LINGUAGGIO PYTHON.
Contenuti
INTRODUZIONE AL CORSO, SOCIAL ROBOTICS (ORE LEZIONE/ESERCITAZIONE/LABORATORIO 4/0/0)

SENSORI PER MOBILE ROBOTS: TACTILE SENSORS; WHEEL/MOTOR SENSORS; HEADING SENSORS; GROUND BASED BEACONS SENSORS; ACTIVE RANGING SENSORS; RADAR; LIDAR; VISION BASED SENSORS (ORE LEZIONE/ESERCITAZIONE/LABORATORIO 2/2/0)

PIANIFICAZIONE DEL MOTO: LOCALIZATION; MOTION PLANNING; ALGORITMI DI PIANIFICAZIONE DISCRETA E CELL DECOMPOSITION; MODELLAZIONE DI ROBOT E OSTACOLI (ORE LEZIONE/ESERCITAZIONE/LABORATORIO 4/2/0)

INTERAZIONE UOMO-ROBOT: ROBOTIC VISION; RICONOSCIMENTO DI OGGETTI ATTRAVERSO ALGORITMI DI VISIONE ARTIFICIALE; RICONOSCIMENTO DI GESTURE/ACTIONS ATTRAVERSO ANALISI VISUALE; AFFECTIVE COMPUTING; NATURAL LANGUAGE PROCESSING AND UNDERSTANDING; ALGORITMI DI SPEECH RECOGNITION E SPEECH TO TEXT; SISTEMI MULTI-MODALI PER L’INTERAZIONE UOMO-ROBOT (ORE LEZIONE/ESERCITAZIONE/LABORATORIO 12/10/0)

SISTEMA OPERATIVO PER LA ROBOTICA ROS (ROBOT OPERATING SYSTEM): INTRODUZIONE AL FRAMEWORK ROS; CONCETTI BASE: FILESYSTEM LEVEL, COMPUTATION GRAPH LEVEL, COMMUNITY LEVEL; GAZEBO: 3D ROBOTIC SIMULATOR; TF TRANSFORMATION SYSTEM, ROBOT MODELS BASATO SU UNIFIED ROBOT DESCRIPTION FORMAT (URDF); RVIZ: 3D VISUALIZATION TOOL PER ROS. (ORE LEZIONE/ESERCITAZIONE/LABORATORIO 4/8/0)

TOTALE ORE LEZIONE/ESERCITAZIONE/LABORATORIO 26/22/0
Metodi Didattici
L’INSEGNAMENTO CONTEMPLA LEZIONI TEORICHE, ESERCITAZIONI IN AULA ED ESERCITAZIONI PRATICHE DI LABORATORIO. NELLE ESERCITAZIONI IN AULA VENGONO ASSEGNATI AGLI STUDENTI, SIA INDIVIDUALMENTE CHE DIVISI PER GRUPPI DI LAVORO, DEI PROGETTO DA SVILUPPARE UTILIZZANDO I CONTENUTI DELL’INSEGNAMENTO. I PROGETTI SONO STRUMENTALI, OLTRE ALL’ACQUISIZIONE DELLE COMPETENZE E ABILITÀ SUI CONTENUTI DELL’INSEGNAMENTO, ANCHE A SVILUPPARE E RAFFORZARE LE CAPACITÀ DI LAVORARE IN TEAM. NELLE ESERCITAZIONI IN LABORATORIO GLI STUDENTI IMPLEMENTANO I PROGETTI ASSEGNATO UTILIZZANDO ROS.
PER POTER SOSTENERE LA VERIFICA FINALE DEL PROFITTO E CONSEGUIRE I CFU RELATIVI ALL’ATTIVITÀ FORMATIVA, LO STUDENTE DOVRÀ AVERE FREQUENTATO ALMENO IL 70% DELLE ORE PREVISTE DI ATTIVITÀ DIDATTICA ASSISTITA.
Verifica dell'apprendimento
LA PROVA DI ESAME È FINALIZZATA A VALUTARE NEL SUO COMPLESSO: LA CONOSCENZA E LA CAPACITÀ DI COMPRENSIONE DEI CONCETTI PRESENTATI AL CORSO; LA CAPACITÀ DI APPLICARE TALI CONOSCENZE PER LA RISOLUZIONE DI PROBLEMI DI PROGRAMMAZIONE CHE RICHIEDONO L’USO DI TECNICHE DI VISIONE E INTELLIGENZA ARTIFICIALE; L’AUTONOMIA DI GIUDIZIO, LE ABILITÀ COMUNICATIVE E LA CAPACITÀ DI APPRENDERE.

LA PROVA SI ARTICOLA IN DUE FASI: UNA PRIMA CONSISTE IN UN COLLOQUIO ORALE E NELLA DISCUSSIONE DEI MID TERM PROJECTS SVOLTI DURANTE IL CORSO.UNA SECONDA FASE PREVEDE LA REALIZZAZIONE DI UN FINAL TERM PROJECT: GLI STUDENTI, DIVISI IN TEAM, DEVONO REALIZZARE UN SISTEMA FINALIZZATO AD UNA COMPETIZIONE TRA I VARI TEAM. SONO OGGETTO DI VALUTAZIONE LE SCELTE PROGETTUALI E METODOLOGICHE EFFETTUATE, INSIEME CON IL RISULTATO OTTENUTO DAL TEAM DURANTE LA COMPETIZIONE.LO SCOPO E’ QUELLO DI VALUTARE LE CONOSCENZE E LE CAPACITÀ DI COMPRENSIONE ACQUISITE, LA CAPACITÀ DI APPLICARE LE CONOSCENZE, L’AUTONOMIA DI GIUDIZIO E LA CAPACITÀ DI LAVORARE IN GRUPPO.

NELLA VALUTAZIONE FINALE, ESPRESSA IN TRENTESIMI, LA VALUTAZIONE DEI MID TERM PROJECTS E DEL COLLOQUIO ORALE PESERÀ PER IL 60%, MENTRE IL FINAL TERM PROJECT PESERÀ PER IL 40%. LA LODE POTRÀ ESSERE ATTRIBUITA AGLI STUDENTI CHE DIMOSTRINO DI SAPER APPLICARE LE CONOSCENZE ACQUISITE CON AUTONOMIA ANCHE IN CONTESTI DIVERSI DA QUELLI PROPOSTI NEL CORSO
Testi
- DISPENSE FORNITE DAL DOCENTE

- INTRODUCTION TO AUTONOMOUS MOBILE ROBOTS. ROLAND SIEGWART, ILLAH R. NOURBAKHSH, A BRADFORD BOOK, THE MIT PRESS, 2004

"
INTRODUCTION TO AUTONOMOUS MOBILE ROBOTS. ROLAND SIEGWART, ILLAH R. NOURBAKHSH, A BRADFORD BOOK, THE MIT PRESS, 2004

MATERIALE DIDATTICO INTEGRATIVO SARà DISPONIBILE NELLA SEZIONE DEDICATA DELL'INSEGNAMENTO ALL'INTERNO DELLA PIATTAFORMA E-LEARNING DI ATENEO (HTTP://ELEARNING.UNISA.IT) ACCESSIBILE AGLI STUDENTI DEL CORSO TRAMITE LE CREDENZIALI UNICHE DI ATENEO
Altre Informazioni
IL CORSO E' TENUTO IN INGLESE.
  BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2021-09-16]