Studiare
In questa sezione è possibile reperire le informazioni riguardanti l'organizzazione pratica del corso, lo svolgimento delle attività didattiche, le opportunità formative e i contatti utili durante tutto il percorso di studi, fino al conseguimento del titolo finale.
Piano Didattico
Il piano didattico è l'elenco degli insegnamenti e delle altre attività formative che devono essere sostenute nel corso della propria carriera universitaria.
Selezionare il piano didattico in base all'anno accademico di iscrizione.
1° Anno
Insegnamenti | Crediti | TAF | SSD |
---|
Compulsory activities for Embedded & Iot Systems
Compulsory activities for Smart Systems & Data Analytics
2° Anno Attivato nell'A.A. 2023/2024
Insegnamenti | Crediti | TAF | SSD |
---|
Compulsory activities for Embedded & Iot Systems
Compulsory activities for Robotics Systems
Compulsory activities for Smart Systems & Data Analytics
Insegnamenti | Crediti | TAF | SSD |
---|
Compulsory activities for Embedded & Iot Systems
Compulsory activities for Smart Systems & Data Analytics
Insegnamenti | Crediti | TAF | SSD |
---|
Compulsory activities for Embedded & Iot Systems
Compulsory activities for Robotics Systems
Compulsory activities for Smart Systems & Data Analytics
Insegnamenti | Crediti | TAF | SSD |
---|
3 modules among the following (Computer vision and Human computer interaction 1st year only; Advanced computer architectures 2nd year only; the other courses both 1st and 2nd year). Year 2023/24: Robot Programming and Control not activated
Legenda | Tipo Attività Formativa (TAF)
TAF (Tipologia Attività Formativa) Tutti gli insegnamenti e le attività sono classificate in diversi tipi di attività formativa, indicati da una lettera.
Mobile robotics (2022/2023)
Codice insegnamento
4S009023
Crediti
6
Lingua di erogazione
Inglese
Offerto anche nei corsi:
- AI in Robotics del corso Laurea magistrale in Artificial Intelligence [LM-18]
- AI in Robotics del corso Laurea magistrale in Artificial Intelligence [LM-18]
- AI in Robotics del corso Laurea magistrale in Artificial Intelligence [LM-18]
Settore Scientifico Disciplinare (SSD)
INF/01 - INFORMATICA
L'insegnamento è organizzato come segue:
Teoria
Laboratorio
Obiettivi di apprendimento
Il corso illustra le principali problematiche relative allo sviluppo di tecniche di controllo e pianificazione per piattaforme robotiche mobili. L'obiettivo è fornire alle studentesse ed agli studenti strumenti per ideare, applicare e valutare algoritmi che permettano a piattaforme robotiche mobili di interagire con l'ambiente circostante eseguendo compiti complessi con un elevato livello di autonoma. Al termine del corso le studentesse e gli studenti dovranno dimostrare di comprendere i concetti fondamentali relativi alla localizzazione, pianificazione delle traiettorie, pianificazione di compiti complessi, processi decisionali che considerano l'incertezza e apprendimento automatico, nel contesto delle piattaforme robotiche mobili. Le studentesse e gli studenti, dovranno dimostrare di conoscere, ed essere in grado di usare i principali strumenti per lo sviluppo di applicazioni per piattaforme robotiche mobili, e di essere in grado di definire le specifiche tecniche per la progettazione ed integrazione di moduli software per piattaforme robotiche mobili. Le studentesse e gli studenti dovranno inoltre essere in grado di confrontarsi con figure professionali per progettare soluzioni per il controllo di alto livello di piattaforme robotiche mobili e avere la capacità di proseguire gli studi in modo autonomo per seguire l'evoluzione tecnica nell'ambito della robotica mobile sviluppando approcci innovativi che migliorino lo stato dell’arte.
Prerequisiti e nozioni di base
Nessun requisito specifico.
Programma
– Cinematica e dinamica per robot mobili (e.g., vincoli di non olonomia, modello uniciclo)
– Navigazione per robot mobili: localizzazione e mapping (e.g., Extended Kalman Filter SLAM), pianificazione delle traiettorie (e.g., funzioni di navigazione).
– Processi decisionali che considerano l'incertezza (e.g., Processi Decisionali di Markov).
– Apprendimento per rinforzo per piattaforme robotiche mobili (e.g., approcci basati sulla costruzione di un modello ed approcci senza costruzione di un modello, Deep RL).
– Laboratorio: implementazione di comportamenti autonomi per piattaforme robotiche mobili usando ambienti di sviluppo allo stato dell’arte (e.g., ROS2), ambienti di simulazione per l’analisi sperimentale (e.g., Unity), validazione su semplici basi robotiche mobili (e.g., turtlebot3)
Bibliografia
Modalità didattiche
Lezioni frontali in aule didattiche e in laboratorio con piattaforme robotiche mobili. Verranno fornite le slide usate durante le lezioni ed altro materiale (e.g., accesso a codice ed a piattaforme robotiche mobili).
Modalità di verifica dell'apprendimento
L'esame è costituito da una prova orale e da un progetto incentrato sulla programmazione di robot mobili.
Criteri di valutazione
Per superare l'esame gli studenti dovranno dimostrare di:
- aver compreso i principi alla base della programmazione per robot mobili
- essere in grado di esporre argomentazioni sulle tematiche del corso in modo preciso e organico senza divagazioni
- saper applicare le conoscenze acquisite per risolvere problemi applicativi presentati sotto forma di esercizi, domande e progetti.
Criteri di composizione del voto finale
Il voto finale sarà ottenuto dalla media dei voti della prova orale e del progetto.
Lingua dell'esame
English