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

A.A. 2026/2027 A.A. 2025/2026

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

InsegnamentiCreditiTAFSSD
6
B
INF/01
12
B
ING-INF/05
12
B
INF/01

2° Anno  Sarà attivato nell'A.A. 2026/2027

InsegnamentiCreditiTAFSSD
6
B
INF/01
Final exam
24
E
-
InsegnamentiCreditiTAFSSD
6
B
INF/01
12
B
ING-INF/05
12
B
INF/01
Sarà attivato nell'A.A. 2026/2027
InsegnamentiCreditiTAFSSD
6
B
INF/01
Final exam
24
E
-
Insegnamenti Crediti TAF SSD
Tra gli anni: 1°- 2°
2 modules among:
- 1st year - Knowledge representation, Natural Language Processing, HCI - Multimodal Systems - delivered in 2025/2026
- 2nd year - AI & cloud - delivered in 2026/2027
- 1st and 2nd year - Advanced programming for AI, Computer vision & deep learning - delivered in 2025/2026 and in 2026/2027
6
B
ING-INF/05
6
B
INF/01
6
B
INF/01
6
B
ING-INF/05
6
B
INF/01
6
B
ING-INF/05
Tra gli anni: 1°- 2°
2 courses among (mutually exclusive with the previous ones):
- 1st year - Knowledge representation, Natural language processing, HCI - multimodal systems - delivered in 2025/2026
- 2nd year - AI & cloud, Visual intelligence - delivered in 2026/2027
- 1st and 2nd year - Advanced programming for AI, Computer Vision & deep learning, Statistical learning - delivered in 2025/2026 and in 2026/2027
6
C
ING-INF/05
6
C
INF/01
6
C
INF/01
6
C
ING-INF/05
6
C
INF/01
6
C
ING-INF/05
6
C
INF/01
6
C
ING-INF/06
Tra gli anni: 1°- 2°
2 courses among the following
- A.A. 2025/2026 Network Science not activated
- A.A. 2026/2027: Complex Systems not activated
6
C
ING-INF/05
6
C
INF/01
6
C
FIS/02
6
C
INF/01
6
C
MAT/08
6
C
MAT/09
6
C
INF/01 ,ING-INF/05
6
C
INF/01
6
C
FIS/02
6
C
INF/01
6
C
MAT/06
6
C
INF/01
Tra gli anni: 1°- 2°
1 course among the following
6
C
SECS-S/06
6
C
M-FIL/02
6
C
IUS/17
6
C
IUS/02
6
C
IUS/08
6
C
IUS/04
6
C
IUS/01
6
C
IUS/07
Tra gli anni: 1°- 2°
Further activities: 3 CFU training and 3 CFU further language skill or 6 CFU training. International students (i.e. students who do not have an Italian bachelor’s degree) must compulsorily gain 3 CFU of Italian language skills (at least A2 level) and 3 CFU training.
6
F
-
Tra gli anni: 1°- 2°
12
D
-

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.

A Attività di base
B Attività caratterizzanti
C Attività formative affini o integrative
D Attività a scelta dello studente
E Prova finale
F Altre attività formative
S Stage e tirocini presso imprese, enti pubblici o privati, ordini professionali

AI & Robotics  (2025/2026)

Codice insegnamento

4S012304

Docenti

Alessandro Farinelli, Daniele Meli

Coordinatore

Alessandro Farinelli

Crediti

6

Offerto anche nei corsi:

  • Mobile robotics del corso Laurea magistrale in Computer Engineering for intelligent Systems
  • Mobile robotics del corso Laurea magistrale in Computer Engineering for Intelligent Systems [LM-32]
  • AI & Robotics del corso Laurea magistrale in Artificial Intelligence [LM-18]

Lingua di erogazione

Inglese en

Settore Scientifico Disciplinare (SSD)

ING-INF/05 - SISTEMI DI ELABORAZIONE DELLE INFORMAZIONI

Periodo

II semestre dal 2 mar 2026 al 12 giu 2026.

Corsi Singoli

Autorizzato

Orario Lezioni MoodleMoodle Seminari 0

Obiettivi di apprendimento

Il corso illustra le principali problematiche relative allo sviluppo di tecniche di Intelligenza Artificiale 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 autonomia. 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

– Localizzazione e costruzione di mappe (e.g., stima ricorsiva dello stato);
– Pianificazione del moto per robot mobili (e.g., pianificazione dei percorsi, evitare ostacoli);
– 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

Vai alla bibliografia
Visualizza la bibliografia con Leganto, strumento che il Sistema Bibliotecario mette a disposizione per recuperare i testi in programma d'esame in modo semplice e innovativo.

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 incentrata sulle attività di laboratorio e da una seconda prova che può essere scelta tra due opzioni: i) un progetto incentrato sull'implementazione di alcune delle tecniche studiate durante il corso; ii) una prova orale incentrata sulle tematiche studiate durante il corso.

Le/gli studentesse/studenti con disabilità o disturbi specifici di apprendimento (DSA), che intendano richiedere l'adattamento della prova d'esame, devono seguire le indicazioni riportate QUI

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 delle due prove.

Lingua dell'esame

English

Sustainable Development Goals - SDGs

Questa iniziativa contribuisce al perseguimento degli Obiettivi di Sviluppo Sostenibile dell'Agenda 2030 dell'ONU.
Maggiori informazioni su www.univr.it/sostenibilita