2. Docenti
  3. Didattica

COGNITIVE ROBOTICS

Alessia SAGGESE COGNITIVE ROBOTICS

0622700056
DIPARTIMENTO DI INGEGNERIA DELL'INFORMAZIONE ED ELETTRICA E MATEMATICA APPLICATA
CORSO DI LAUREA MAGISTRALE
INGEGNERIA INFORMATICA
2023/2024

OBBLIGATORIO
ANNO CORSO 2
ANNO ORDINAMENTO 2022
PRIMO SEMESTRE
CFUOREATTIVITÀ
324LEZIONE
324LABORATORIO
ALESSIA SAGGESE T Curriculum
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
UNITÀ DIDATTICA 1: INTRODUCTION TO COGNITIVE ROBOTICS AND ROS
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 5/3/0)
- 1 (3 ORE LEZIONE): INTRODUCTION: COGNITIVE ROBOTICS
- 2 (2 ORE LEZIONE): ROBOTIC OPERATING SYSTEMS - ROS
- 3 (3 ORE ESERCITAZIONE): ROBOTIC OPERATING SYSTEMS - ROS [EXERCISE]
CONOSCENZE E CAPACITÀ DI COMPRENSIONE: ACQUISIRE LE CONOSCENZE RELATIVE AL CONCETTO DI ROBOT COGNITIVO E AL FRAMEWORK ROS
CONOSCENZE E CAPACITÀ DI COMPRENSIONE APPLICATE: SAPER REALIZZARE UNA SEMPLICE APPLICAZIONE IN ROS BASATA SUL PARADIGMA DEL PUBLISHER - SUBSCRIBER

UNITÀ DIDATTICA 2: SOCIAL ROBOTS AND SENSORS FOR SOCIAL ROBOTS
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 7/3/0)
- 4 (2 ORE LEZIONE): SOCIAL ROBOTS
- 5 (3 ORE LEZIONE): SOCIAL ROBOTS. EXAMPLE OF AN ARCHITECTURE OF A SOCIAL ROBOT IN ROS
- 6 (2 ORE LEZIONE): SENSORS FOR SOCIAL ROBOTS
- 7 (3 ORE ESERCITAZIONE): NAOQI LIBRARIES. INTERACTING WITH PEPPER [EXERCISE]
CONOSCENZE E CAPACITÀ DI COMPRENSIONE: COMPRENDERE IL CONCETTO DI ROBOT SOCIALE E CONOSCERE I SENSORI DI CUI PUÒ ESSERE EQUIPAGGIATO UN ROBOT SOCIALE; CONOSCERE LE LIBRERIE PER INTERAGIRE CON UN ROBOT SOCIALE
CONOSCENZE E CAPACITÀ DI COMPRENSIONE APPLICATE: SAPER REALIZZARE UNA APPLICAZIONE IN ROS PER CONSENTIRE UNA SEMPLICE INTERAZIONE CON LA PIATTAFORMA ROBOTICA PEPPER

UNITÀ DIDATTICA 3: NATURAL LANGUAGE PROCESSING ALGORITHMS
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 7/3/2)
- 8 (2 ORE LEZIONE): MACHINE LEARNING FOR NLP: INTRODUCTION
- 9 (3 ORE LEZIONE): NLP: INTENT, ENTITY RECOGNITION.
- 10 (2 ORE LEZIONE): NLP: DIALOGUE MANAGEMENT. RASA LIBRARY
- 11 (3 ORE ESERCITAZIONE): CHATBOT DESIGNING [EXERCISE]
- 12 (2 ORE LABORATORIO): CHATBOT DESIGNING [LABORATORY]

CONOSCENZE E CAPACITÀ DI COMPRENSIONE: CONOSCERE GLI ALGORITMI DI NLP E IL FRAMEWORK RASA.
CONOSCENZE E CAPACITÀ DI COMPRENSIONE APPLICATE: SAPER REALIZZARE UN CHATBOT CHE SFRUTTI GLI ALGORITMI DI NLP UTILIZZANDO IL FRAMEWORK RASA

UNITÀ DIDATTICA 4: AUDIO ANALYSIS
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 5/3/0)
- 13 (3 ORE LEZIONE): AUDIO ANALYSIS: PROBLEM DEFINITION, LIBRARY FOR DATA ACQUISITION, SPEECH2TEXT
- 14 (2 ORE LEZIONE): AUDIO ANALYSIS: SPEAKER RE-IDENTIFICATION
- 15 (3 ORE ESERCITAZIONE): AUDIO ANALYSIS: EXAMPLE IN ROS WITH PEPPER [EXERCISE]

CONOSCENZE E CAPACITÀ DI COMPRENSIONE: CONOSCERE GLI ALGORITMI DI ANALISI AUDIO PER APPLICAZIONI DI RICONOSCIMENTO DELLO SPEAKER.
CONOSCENZE E CAPACITÀ DI COMPRENSIONE APPLICATE: SAPER REALIZZARE UN ALGORITMO DI ANALISI AUDIO PER IL RICONOSCIMENTO DELLO SPEAKER


UNITÀ DIDATTICA 5: VIDEO ANALYSYS MODULES ON A REAL ROBOTIC PLATFORM
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 0/5/5)
- 16 (2 ORE ESERCITAZIONE): OBJECT DETECTION. INTEGRATION IN PEPPER WITH ROS [EXERCISE]
- 17 (3 ORE ESERCITAZIONE): SENTIMENT ANALYSIS FROM FACE. INTEGRATION IN PEPPER WITH ROS [EXERCISE]
- 18 (2 ORE LABORATORIO): FINAL PROJECT [LABORATORY]
- 19 (3 ORE LABORATORIO): FINAL PROJECT [LABORATORY]

CONOSCENZE E CAPACITÀ DI COMPRENSIONE: COMPRENDERE COME INTEGRARE ALGORITMI DI ANALISI VIDEO NOTI SULLA PIATTAFORMA ROBOTICA PEPPER.
CONOSCENZE E CAPACITÀ DI COMPRENSIONE APPLICATE: SAPER INTEGRARE GLI ALGORITMI DI ANALISI VIDEO SULLA PIATTAFORMA ROBOTICA PEPPER


TOTALE ORE LEZIONE/ESERCITAZIONE/LABORATORIO 24/17/7
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

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: 2024-11-05]