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

InsegnamentiCreditiTAFSSD
9
B
ING-INF/04
Compulsory courses for Embedded & IoT Systems
Compulsory courses for Robotics systems
6
B/C
INF/01
6
B/C
ING-INF/05
Compulsory courses for Smart systems &data analytics
6
B/C
INF/01 ,ING-INF/06
6
B/C
ING-INF/05

2° Anno  Attivato nell'A.A. 2021/2022

InsegnamentiCreditiTAFSSD
Compulsory courses for Embedded & IoT Systems
Compulsory courses for Robotics systems
Compulsory courses for Smart systems &data analytics
6
B/C
ING-INF/05
Final exam
24
E
-
InsegnamentiCreditiTAFSSD
9
B
ING-INF/04
Compulsory courses for Embedded & IoT Systems
Compulsory courses for Robotics systems
6
B/C
INF/01
6
B/C
ING-INF/05
Compulsory courses for Smart systems &data analytics
6
B/C
INF/01 ,ING-INF/06
6
B/C
ING-INF/05
Attivato nell'A.A. 2021/2022
InsegnamentiCreditiTAFSSD
Compulsory courses for Embedded & IoT Systems
Compulsory courses for Robotics systems
Compulsory courses for Smart systems &data analytics
6
B/C
ING-INF/05
Final exam
24
E
-
Insegnamenti Crediti TAF SSD
Tra gli anni: 1°- 2°
Tra gli anni: 1°- 2°
Other activities
3
F
-
Tra gli anni: 1°- 2°
Training
3
F
-

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.




S Stage e tirocini presso imprese, enti pubblici o privati, ordini professionali

Codice insegnamento

4S009023

Crediti

6

Lingua di erogazione

Inglese en

Settore Scientifico Disciplinare (SSD)

INF/01 - INFORMATICA

L'insegnamento è organizzato come segue:

Teoria

Crediti

5

Periodo

II semestre

Laboratorio

Crediti

1

Periodo

II semestre

Obiettivi formativi

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.

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., ROS), ambienti di simulazione per l’analisi sperimentale (e.g., Gazebo/Stageros/Vrep), validazione su semplici basi robotiche mobili (e.g., turtlebot3)

Modalità d'esame

L'esame è costituito da una prova orale e da un progetto incentrato sulla programmazione di robot mobili.

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