Ingegneria Informatica e Intelligenza artificiale L-8

Non sono previste propedeuticità formali.

Per il proficuo raggiungimento degli obiettivi formativi del corso, è auspicabile che lo studente possegga conoscenze pregresse relative ai fondamenti di programmazione orientata agli oggetti, ai principi di base dell'intelligenza artificiale, ai concetti elementari di probabilità e statistica, nonché alle nozioni fondamentali di algebra lineare, indispensabili per la comprensione degli algoritmi di localizzazione e navigazione metrica.

Su richiesta tramite e-mail al docente. 

Modalità di Erogazione del Corso

Il corso si articola in 11 Moduli per un totale di 45 videolezioni. Sono comprese videolezioni e attività di didattica sincrona. I contenuti delle videolezioni sono parte integrante del programma d'esame, ma per numerosi argomenti sono necessari ulteriori approfondimenti ed è raccomandata la consultazione dei testi indicati dal docente.

Attività Didattiche Previste

Le attività di didattica, suddivise tra didattica erogativa (DE) e didattica sincrona (DS), saranno costituite da 7 ore per CFU e ripartite secondo una struttura di almeno 2,5 ore di DE (5 ore, tenuto conto della necessità di riascolto) e 2 ore di DS per ciascun CFU.

Attività Didattica Erogativa (DE) — 45 ore:

45 videolezioni della durata di circa 30 minuti ciascuna, sempre disponibili in piattaforma didattica (ogni videolezione corrisponde a 1 ora di didattica erogativa considerando la necessità di riascolto). Ogni lezione è corredata da: slide in PowerPoint, dispensa di almeno 10 pagine e test di autovalutazione a risposta multipla.

Attività Didattica Sincrona (DS) — 18 ore:

18 ore di esercitazioni interattive in aula virtuale, svolte in modalità sincrona, organizzate in date e orari concordati e su tematiche specifiche del programma per gli studenti che preparano l'esame.

Forum di approfondimento tematici: strumento che consente a ciascun studente di proporre argomenti di discussione che verranno successivamente approfonditi insieme al docente.

Attività di Autoapprendimento:

- Test di autovalutazione con domande a scelta multipla, disponibili alla fine di ogni videolezione.

- Dispense e materiale di studio disponibili in piattaforma per l'approfondimento degli argomenti trattati.

- Articoli scientifici e risorse bibliografiche aggiuntive disponibili in piattaforma.

Conoscenza e capacità di comprensione

- dei fondamenti teorici della robotica intelligente, con riferimento ai paradigmi Gerarchico, Reattivo e Ibrido;

- degli aspetti essenziali della pianificazione automatica (STRIPS), della gestione della conoscenza e del ragionamento situato;

- delle architetture reattive (Subsumption, Campo Potenziale) e delle tecniche di coordinamento tra comportamenti multipli;

- dei principi di sensing, fusione sensoriale e computer vision applicata alla robotica mobile;

- degli algoritmi di navigazione topologica e metrica, di localizzazione e di costruzione di mappe.

Capacità di applicare conoscenza e comprensione

- alla progettazione e valutazione di architetture di controllo per robot mobili autonomi;

- all'implementazione di comportamenti reattivi e alla loro composizione in sistemi ibridi;

- all'utilizzo di algoritmi di path planning (A*, Dijkstra, VFH, PRM) per la navigazione in ambienti strutturati e non;

- all'applicazione di tecniche probabilistiche (filtro di Kalman, filtro a particelle) per la localizzazione;

- alla progettazione di sistemi multi-robot con meccanismi di cooperazione e coordinazione.

Abilità di giudizio

- nell'analisi comparativa dei paradigmi robotici e nella scelta dell'architettura più adeguata al contesto applicativo;

- nella valutazione delle limitazioni e dei punti di forza dei diversi approcci algoritmici per la navigazione e la localizzazione;

- nel riconoscimento dei compromessi tra deliberazione e reattività nei sistemi ibridi.

Abilità di comunicare

- esporre concetti, architetture e algoritmi con linguaggio tecnico appropriato e rigoroso;

- collegare in modo coerente i paradigmi studiati, evidenziando relazioni evolutive e strutturali;

- presentare e discutere soluzioni progettuali in ambito robotico con chiarezza espositiva.

Capacità di apprendimento

- proseguire negli studi avanzati in robotica, intelligenza artificia

- aggiornare e approfondire le proprie conoscenze attraverso lo studio di articoli scientifici e testi specialistici;

- sviluppare un metodo di apprendimento fondato sulla comprensione coica delle architetture robotiche.Conoscenza e capacità di comprensione

- dei fondamenti teorici della robotica intelligente, con riferimento ai paradigmi Gerarchico, Reattivo e Ibrido;

- degli aspetti essenziali della pianificazione automatica (STRIPS), della gestione della conoscenza e del ragionamento situato;

- delle architetture reattive (Subsumption, Campo Potenziale) e delle tecniche di coordinamento tra comportamenti multipli;

- dei principi di sensing, fusione sensoriale e computer vision applicata alla robotica mobile;

- degli algoritmi di navigazione topologica e metrica, di localizzazione e di costruzione di mappe.

Capacità di applicare conoscenza e comprensione

- alla progettazione e valutazione di architetture di controllo per robot mobili autonomi;

- all'implementazione di comportamenti reattivi e alla loro composizione in sistemi ibridi;

- all'utilizzo di algoritmi di path planning (A*, Dijkstra, VFH, PRM) per la navigazione in ambienti strutturati e non;

- all'applicazione di tecniche probabilistiche (filtro di Kalman, filtro a particelle) per la localizzazione;

- alla progettazione di sistemi multi-robot con meccanismi di cooperazione e coordinazione.

Abilità di giudizio

- nell'analisi comparativa dei paradigmi robotici e nella scelta dell'architettura più adeguata al contesto applicativo;

- nella valutazione delle limitazioni e dei punti di forza dei diversi approcci algoritmici per la navigazione e la localizzazione;

- nel riconoscimento dei compromessi tra deliberazione e reattività nei sistemi ibridi.

Abilità di comunicare

- esporre concetti, architetture e algoritmi con linguaggio tecnico appropriato e rigoroso;

- collegare in modo coerente i paradigmi studiati, evidenziando relazioni evolutive e strutturali;

- presentare e discutere soluzioni progettuali in ambito robotico con chiarezza espositiva.

Capacità di apprendimento

- proseguire negli studi avanzati in robotica, intelligenza artificia

- aggiornare e approfondire le proprie conoscenze attraverso lo studio di articoli scientifici e testi specialistici;

- sviluppare un metodo di apprendimento fondato sulla comprensione coica delle architetture robotiche.

================================================================ MODULO 1 — INTRODUZIONE E CONTESTO (Cap. 1) ================================================================ Lezione 1 — Robot Intelligenti e Robot Industriali: Differenze Fondamentali   Definizione di robot intelligente; autonomia; ambienti strutturati vs   non strutturati; distinzione dai manipolatori industriali. Lezione 2 — Teleoperation, Telepresenza e Controllo Supervisionato   Modalità di controllo remoto; problemi di ritardo e larghezza di   banda; telepresenza; livelli di autonomia condivisa. Lezione 3 — I Paradigmi della Robotica: SENSE, PLAN, ACT   Le tre primitive robotiche; relazioni SENSE-PLAN-ACT; introduzione ai   paradigmi Gerarchico, Reattivo e Ibrido. ================================================================ MODULO 2 — PANORAMICA DEI PARADIGMI DELLA ROBOTICA (Cap. 2-7) ================================================================ Lezione 4 — Il Paradigma Gerarchico: Architettura e Principi Fondamentali   Ciclo SENSE-PLAN-ACT sequenziale; world model centrale; limiti del   planning deliberativo classico. Lezione 5 — Il Paradigma Reattivo: Fondamenti Biologici ed Etologici   Ispirazione biologica; accoppiamento diretto sensori-attuatori;   assenza di world model; comportamento emergente. Lezione 6 — Il Paradigma Ibrido Deliberativo/Reattivo   Integrazione di planning e reattività; organizzazione a livelli;   PLAN, poi SENSE-ACT. Lezione 7 — Sensori e Percezione nei Sistemi Robotici   Tipologie di sensori (prossimità, range, visione); active/passive;   logical sensor; caratteristiche e limiti. Lezione 8 — Navigazione Autonoma: Mappe, Percorsi e Pianificazione del Moto   Introduzione ai problemi di navigazione; mappe metriche e   topologiche; path planning e motion planning. ================================================================ MODULO 3 — FONDAMENTI BIOLOGICI DEL PARADIGMA REATTIVO (Cap. 3) ================================================================ Lezione 9 — Etologia e Comportamento Animale nei Robot   Comportamento animale come modello; stimolo-risposta; IRM (Innate   Releasing Mechanisms); comportamenti innati e appresi. Lezione 10 — Schemi Motori e Schemi Percettivi nelle Architetture Reattive   Concetto di schema; motor schema e perceptual schema;   affordance; composizione di schemi. Lezione 11 — Veicoli di Braitenberg: Comportamento Emergente e Intelligenza Sintetica   I veicoli di Braitenberg; connessioni sensore-motore; emergenza di   comportamenti complessi da regole semplici. ================================================================ MODULO 4 — IL PARADIGMA REATTIVO (Cap. 4) ================================================================ Lezione 12 — Il Paradigma Reattivo: Principi e Architettura di Base   Caratteristiche del paradigma reattivo; comportamenti come unità   fondamentali; velocità e robustezza. Lezione 13 — La Subsumption Architecture di Brooks   Architettura a strati di competenza; inibizione e soppressione;   incremento incrementale delle capacità. Lezione 14 — Comportamenti Primitivi: Definizione e Classificazione   Comportamenti primitivi vs compositi; tassonomia; trigger e   terminazione dei comportamenti. Lezione 15 — Il Campo Potenziale: Navigazione per Attrazione e Repulsione   Metodo dei campi potenziali; forze attrattive e repulsive;   composizione vettoriale; minimi locali. Lezione 16 — Architetture Reattive a Confronto: Sistemi ed Esempi Applicativi   Confronto tra architetture reattive; casi applicativi reali; punti di   forza e limiti. ================================================================ MODULO 5 — PROGETTARE UN'IMPLEMENTAZIONE REATTIVA (Cap. 5) ================================================================ Lezione 17 — Metodologia di Progettazione di Comportamenti Reattivi   Processo di design; identificazione dei comportamenti; scomposizione   del task; test e messa a punto. Lezione 18 — Coordinamento tra Comportamenti Multipli: Fusione e Arbitraggio   Cooperative coordination (fusione) vs competitive (arbitraggio);   voting; combinazione delle uscite. Lezione 19 — Tabelle di Comportamento e Macchine a Stati Finiti   Behavior table; FSM per la sequenzializzazione dei comportamenti;   transizioni di stato. Lezione 20 — Casi di Studio: Progettazione di Robot Reattivi Reali   Esempi completi di progettazione reattiva; competizioni robotiche;   lezioni apprese. ================================================================ MODULO 6 — ARCHITETTURE IBRIDE: IMPLEMENTAZIONE E LAYER (Cap. 7) ================================================================ Lezione 21 — Il Paradigma Ibrido: Architettura a Tre Livelli   Struttura deliberativo/esecutivo/reattivo; interazione tra i livelli;   gestione del tempo. Lezione 22 — Il Layer Deliberativo in Dettaglio: PDDL e World Model Probabilistico   Planning con PDDL; rappresentazione del world model; gestione   dell'incertezza nel livello deliberativo. Lezione 23 — Il Layer Esecutivo in Dettaglio: BT Avanzati e ROS2 Action Server   Behavior Tree avanzati; sequencing e monitoraggio; implementazione con   ROS2 Action Server. Lezione 24 — Architetture Ibride Storiche: 3T, AuRA, Saphira e TDL a Confronto   Rassegna storica; confronto strutturale tra 3T, AuRA, Saphira, TDL;   scelte progettuali. ================================================================ MODULO 7 — FUSIONE SENSORIALE E PARADIGMA IBRIDO (Cap. 6-7) ================================================================ Lezione 25 — Fusione Sensoriale: Principi e Tecniche per Robot Mobili   Sensor fusion; ridondanza e complementarità; fusione a livello di   dati/feature/decisione. Lezione 26 — Il Paradigma Ibrido: Motivazioni e Architettura Generale   Perché ibrido; combinare deliberazione e reattività; schema generale   di riferimento. Lezione 27 — L'Architettura 3T: Tre Livelli di Controllo   Planner, sequencer, skill manager; interazioni; gestione degli   obiettivi e delle eccezioni. Lezione 28 — AuRA e Altre Architetture Ibride a Confronto   AuRA (Autonomous Robot Architecture); confronto con altre architetture   ibride; motor schema e planning. Lezione 29 — Pianificazione e Comportamento Reattivo: Integrazione e Conflitti   Gestione dei conflitti tra planning e reattività; sospensione e   ripianificazione; coerenza del comportamento. ================================================================ MODULO 8 — SISTEMI MULTI-AGENTE (Cap. 8) ================================================================ Lezione 30 — Introduzione ai Sistemi Multi-Agente in Robotica   Motivazioni per i sistemi multi-robot; vantaggi e sfide; comunicazione   e coordinazione. Lezione 31 — Tassonomia dei Sistemi Multi-Robot: Controllo e Organizzazione   Classificazione (centralizzato/distribuito, omogeneo/eterogeneo);   strutture di controllo. Lezione 32 — Comportamenti Cooperativi: ALLIANCE e Meccanismi di Coordinazione   Architettura ALLIANCE; motivational behavior; allocazione dei task;   cooperazione robusta ai guasti. Lezione 33 — Formazioni Multi-Robot e Sistemi Cellulari   Controllo di formazione; mantenimento della configurazione; sistemi   cellulari e swarm. ================================================================ MODULO 9 — NAVIGAZIONE TOPOLOGICA (Cap. 9) ================================================================ Lezione 34 — Navigazione Topologica: Mappe e Grafi di Percorso   Rappresentazione topologica dello spazio; nodi e archi; distinctive   place; relational map. Lezione 35 — Algoritmi di Ricerca su Grafi per la Pianificazione del Percorso   Ricerca su grafi; costruzione del percorso; gate e landmark come nodi. Lezione 36 — Landmark Naturali e Artificiali per la Navigazione   Landmark naturali vs artificiali; riconoscimento; associazione ai nodi   del grafo topologico. ================================================================ MODULO 10 — NAVIGAZIONE METRICA E PATH PLANNING (Cap. 10) ================================================================ Lezione 37 — Rappresentazioni Metriche dello Spazio: Griglie di Occupazione   Occupancy grid; discretizzazione dello spazio; aggiornamento   probabilistico delle celle. Lezione 38 — Algoritmi di Path Planning: Dijkstra e A* su Griglie di Occupazione   Ricerca del percorso ottimo su griglia; Dijkstra; A* con euristiche;   costo e ottimalità. Lezione 39 — Vector Field Histogram (VFH): Ostacoli ed Evasione Dinamica   VFH; istogramma polare degli ostacoli; evitamento di ostacoli in tempo   reale. Lezione 40 — Deformable Path Planning e Roadmap Probabilistiche (PRM)   Elastic band / deformable path; Probabilistic Roadmap (PRM);   planning in spazi ad alta dimensione. ================================================================ MODULO 11 — LOCALIZZAZIONE, MAPPE E FRONTIERE (Cap. 11-12) ================================================================ Lezione 41 — Il Problema della Localizzazione: Dead Reckoning e Odometria   Stima della posa; dead reckoning; odometria; accumulo dell'errore e   incertezza. Lezione 42 — Filtro di Kalman per la Localizzazione di Robot Mobili   Filtro di Kalman e KF esteso; predizione e correzione; fusione   odometria-sensori. Lezione 43 — Localizzazione Probabilistica: Filtro a Particelle (Monte Carlo)   Monte Carlo Localization; rappresentazione della belief con particelle;   ricampionamento. Lezione 44 — SLAM: Costruzione Simultanea di Mappe e Localizzazione   Simultaneous Localization And Mapping; loop closure; SLAM basato su   filtro e su grafo. Lezione 45 — Frontiere della Robotica Intelligente: Visione Avanzata, Apprendimento e Prospettive Future   Deep learning per la robotica; visione avanzata; 

Il corso partirà dalla definizione di agenti intelligenti per arrivare ad agenti robotici affrontando aspetti metodologici della Robotica Intelligente che consiste nel dotare robot e agenti incarnati di un comportamento intelligente progettando e implementando un'architettura di elaborazione che li renda atti a deliberare, apprendere e ragionare su come comportarsi in risposta a obiettivi complessi in un mondo complesso. I modelli ispiratori della Robotic derivano da diverse discipline: le architetture neurali dalle neuroscienze, i comportamenti di base dall'etologia, le motivazioni e le emozioni dalla psicologia, il comportamento multirobot dalla sociologia. Questi modelli potrebbero essere implementati in termini di logica formale, modelli probabilistici e neurali che si trasformano in agenti computazionali incorporati. Utilizzo ROS (Robotic Operating System) e Choregraph, un applicativo per la programmazione di robot umanoidi

L'acquisizione dei risultati di apprendimento previsti viene accertata attraverso: le attività di autovalutazione associate ad ogni video-lezione, i test associati alla didattica sincrona, la prova intermedia online e la prova finale in presenza.
Test di autovalutazione: i test di autovalutazione permettono allo studente di monitorare la comprensione degli argomenti somministrati ed eventualmente di attivarsi per colmare le lacune.
Test post-didattica sincrona: I test successivi alla didattica sincrona verificano l’applicazione delle conoscenze in situazione guidata e la capacità di apprendimento autonomo. Consentono di osservare l’uso operativo dei saperi e la capacità di trasferimento.
La prova intermedia online e la prova finale in presenza: consente una verifica sistematica e standardizzata delle conoscenze disciplinari e della comprensione concettuale e permette di valutare l’autonomia di giudizio, ovvero la capacità di formulare valutazioni motivate e sostenere argomentazioni critiche.

La valutazione finale avverrà nelle date d’appello previste dall’Ateneo e pubblicate in piattaforma, in modalità scritta online (prova in itinere), scritta in presenza.

Murphy R.R. - Introduction to AI robotics - MIT Press - 2000

S. Russell, P. Norvig, “Artificial Intelligence. A Modern Approach", Prentice Hall, Second Edition - 2003

Arkin R.C. - Behavior-based robotics - MIT Press – 1998

Pefeifer R. & Scheier C. - Understanding Intelligence - MIT Press - 2000

Lentin J. and Cacace J., Mastering ROS for Robotics Programming: Design, build, and simulate complex robots using the Robot Operating System, BIRMINGHAM –MUMBAI - 2018