Mario VENTO | COGNITIVE ROBOTICS

cod. 0622700056

COGNITIVE ROBOTICS

	0622700056
	DIPARTIMENTO DI INGEGNERIA DELL'INFORMAZIONE ED ELETTRICA E MATEMATICA APPLICATA
	CORSO DI LAUREA MAGISTRALE
	INGEGNERIA INFORMATICA
	2019/2020

CURRICULUM FABBRICA INTELLIGENTE

	OBBLIGATORIO
	ANNO CORSO 2
	ANNO ORDINAMENTO 2017
	SECONDO SEMESTRE

MODULI

SSD	CFU	ORE	ATTIVITÀ	TIPO DI ATTIVITÁ FORMATIVA
ING-INF/05	3	24	LEZIONE	A SCELTA DELLO STUDENTE
ING-INF/05	3	24	ESERCITAZIONE	A SCELTA DELLO STUDENTE

DOCENTI

	MARIO VENTO T Curriculum
	ALESSIA SAGGESE Curriculum

	Obiettivi
	Lo scopo dell’insegnamento e quello di fornire gli elementi architetturali, metodologici e progettuali per la realizzazione di robot intelligenti. In particolare il corso si focalizza sugli aspetti sensoriali di alto livello del robot (interpretazione della scena basata sulla visione robotica 2D e 3D, comprensione del parlato) e cognitivi (riconoscimento di azioni e gesti, apprendimento automatico di comportamenti complessi, interpretazione della struttura dell’ambiente e interazione con altri robot e soggetti umani). Conoscenze e capacita di comprensione Nell’insegnamento vengono trattate le metodologie basate sul machine learning per il controllo e la pianificazione della attivita del robot. Inoltre sono presentate metodologie basate sulla visione artificiale e la pattern recognition per l’analisi dell’ambiente e il riconoscimento e caratterizzazione degli altri soggetti preenti in esso (sia umani che robotici) Conoscenza e capacita di comprensione applicate Viene sviluppata la capacita di 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.

Lo scopo dell’insegnamento e quello di fornire gli elementi architetturali, metodologici e progettuali per la realizzazione di robot intelligenti. In particolare il corso si focalizza sugli aspetti sensoriali di alto livello del robot (interpretazione della scena basata sulla visione robotica 2D e 3D, comprensione del parlato) e cognitivi (riconoscimento di azioni e gesti, apprendimento automatico di comportamenti complessi, interpretazione della struttura dell’ambiente e interazione con altri robot e soggetti umani).

Conoscenze e capacita di comprensione
Nell’insegnamento vengono trattate le metodologie basate sul machine learning per il controllo e la pianificazione della attivita del robot. Inoltre sono presentate metodologie basate sulla visione artificiale e la pattern recognition per l’analisi dell’ambiente e il riconoscimento e caratterizzazione degli altri soggetti preenti in esso (sia umani che robotici)

Conoscenza e capacita di comprensione applicate
Viene sviluppata la capacita di 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.

	Contenuti
	COGNITIVE ROBOTICS: INTRODUZIONE AL CORSO (2/0/0) PIANIFICAZIONE DEL MOTO: MOTION PLANNING; ALGORITMI DI PIANIFICAZIONE DISCRETA E CELL DECOMPOSITION; MODELLAZIONE DI ROBOT E OSTACOLI; C-SPACE (4/2/0) SENSORI PER MOBILE ROBOTS: TACTILE SENSORS; WHEEL/MOTOR SENSORS; HEADING SENSORS; GROUND BASED BEACONS SENSORS; ACTIVE RANGING SENSORS; MOTION/SPEED SENSORS; VISION BASED SENSORS (2/2/0) INTERAZIONE UOMO-ROBOT: ROBOTIC VISION; STEREO 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 (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. (4/10/0)

Contenuti

COGNITIVE ROBOTICS: INTRODUZIONE AL CORSO (2/0/0)

PIANIFICAZIONE DEL MOTO: MOTION PLANNING; ALGORITMI DI PIANIFICAZIONE DISCRETA E CELL DECOMPOSITION; MODELLAZIONE DI ROBOT E OSTACOLI; C-SPACE (4/2/0)

SENSORI PER MOBILE ROBOTS: TACTILE SENSORS; WHEEL/MOTOR SENSORS; HEADING SENSORS; GROUND BASED BEACONS SENSORS; ACTIVE RANGING SENSORS; MOTION/SPEED SENSORS; VISION BASED SENSORS (2/2/0)

INTERAZIONE UOMO-ROBOT: ROBOTIC VISION; STEREO 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 (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. (4/10/0)

	Metodi Didattici
	LINSEGNAMENTO 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 DELLINSEGNAMENTO. I PROGETTI SONO STRUMENTALI, OLTRE ALLACQUISIZIONE DELLE COMPETENZE E ABILITÀ SUI CONTENUTI DELLINSEGNAMENTO, ANCHE A SVILUPPARE E RAFFORZARE LE CAPACITÀ DI LAVORARE IN TEAM. NELLE ESERCITAZIONI IN LABORATORIO GLI STUDENTI IMPLEMENTANO I PROGETTI ASSEGNATO UTILIZZANDO LA LIBRERIA CARLA. PER POTER SOSTENERE LA VERIFICA FINALE DEL PROFITTO E CONSEGUIRE I CFU RELATIVI ALLATTIVITÀ FORMATIVA, LO STUDENTE DOVRÀ AVERE FREQUENTATO ALMENO IL 70% DELLE ORE PREVISTE DI ATTIVITÀ DIDATTICA ASSISTITA.

Metodi Didattici

LINSEGNAMENTO 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 DELLINSEGNAMENTO. I PROGETTI SONO STRUMENTALI, OLTRE ALLACQUISIZIONE DELLE COMPETENZE E ABILITÀ SUI CONTENUTI DELLINSEGNAMENTO, ANCHE A SVILUPPARE E RAFFORZARE LE CAPACITÀ DI LAVORARE IN TEAM. NELLE ESERCITAZIONI IN LABORATORIO GLI STUDENTI IMPLEMENTANO I PROGETTI ASSEGNATO UTILIZZANDO LA LIBRERIA CARLA.
PER POTER SOSTENERE LA VERIFICA FINALE DEL PROFITTO E CONSEGUIRE I CFU RELATIVI ALLATTIVITÀ 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 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 INDIVIDUALMENTE 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 40%, MENTRE IL FINAL TERM PROJECT PESERÀ PER IL 60%. 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

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 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 INDIVIDUALMENTE 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 40%, MENTRE IL FINAL TERM PROJECT PESERÀ PER IL 60%. 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

	Altre Informazioni
	IL CORSO E' TENUTO IN LINGUA INGLESE.

BETA VERSION Fonte dati ESSE3 [Ultima Sincronizzazione: 2021-02-19]

Mario VENTO | COGNITIVE ROBOTICS