[Home](https://www.uniroma5.it) [Ingegneria Informatica e dell’Intelligenza Artificiale Applicata LM-32](https://www.uniroma5.it/magistrale/ingegneria-informatica-e-intelligenza-artificiale-applicata) Robotica intelligente # Ingegneria Informatica e dell’Intelligenza Artificiale Applicata LM-32 Robotica intelligente | Settore scientifico disciplinare | Numero crediti formativi (CFU) | Docente | | --- | --- | --- | | ING-INF/04 (IINF-04/A) | 8 | [Chiara Foglietta](https://www.uniroma5.it/docenti/chiara-foglietta) | ### Modalità d'esame, prerequisiti e esami propedeutici **Modalità di accertamento dei risultati di apprendimento acquisiti dallo studente** Per valutare le capacità acquisite nel governare le nozioni apprese e nel creare in maniera autonoma connessioni con altri insegnamenti del corso di studi, lo studente sarà sottoposto a una prova scritta e alla valutazione di due elaborati progettuali da consegnare prima dell’esame intermedio. La prova scritta, costituita da un questionario a risposta chiusa, consente di accertare le conoscenze e la capacità di comprensione teorica; gli elaborati progettuali, svolti individualmente su temi di robotica intelligente, permettono di verificare la capacità di applicare conoscenze e metodologie in contesti pratici e simulati. La combinazione delle due componenti consente di valutare non solo l’acquisizione di contenuti, ma anche l’autonomia di giudizio, le abilità comunicative e la capacità di apprendimento critico. **Modalità di esame** L’esame di profitto si articola in tre componenti: una parte progettuale, una prova intermedia e una prova finale. La parte progettuale consiste nello sviluppo di due elaborati individuali riguardanti soluzioni applicative su temi di robotica intelligente. Lo svolgimento di entrambi gli elaborati è obbligatorio. Ciascun elaborato è valutato in trentesimi e deve conseguire una votazione almeno sufficiente (18/30). La consegna di entrambi gli elaborati e il raggiungimento della sufficienza in ciascuno di essi costituiscono prerequisito per la prenotazione e l’accesso alla prova intermedia. In caso di valutazione insufficiente, l’elaborato dovrà essere rivisto e riconsegnato. La prova intermedia consiste in un questionario a risposta chiusa finalizzato a verificare la conoscenza teorica dei contenuti trattati durante il corso. La prova prevede 24 domande ed è valutata in ventiquattresimi, con un punteggio massimo di 24/24. La prova finale consiste in un questionario a riposta chiuso composto da 7 domande sulle ultime 10 lezioni del corso. Il voto della parte teorica è dato dalla somma del voto della prova intermedia, del voto della prova finale e dell’eventuale bonus derivante dalla didattica sincrona. Il voto finale si ottiene come media ponderata tra la parte teorica (80%) e i due elaborati (10% ciascuno). La lode può essere attribuita agli studenti che conseguono un voto finale superiore a 30/30. **Propedeuticità** Non sono previste propedeuticità obbligatorie. **Prerequisiti** È fortemente consigliata la conoscenza di base della matematica applicata (algebra lineare, geometria analitica e calcolo differenziale), della fisica classica, nonché dei fondamenti di informatica e programmazione. Risultano utili anche competenze preliminari di robotica di base, sistemi dinamici e controlli automatici, che agevolano la comprensione delle metodologie avanzate affrontate durante il corso. ### Organizzazione Didattica **Modalità di erogazione del corso:** Il corso è erogato attraverso lezioni frontali videoregistrate e sessioni di didattica interattiva sincrona, che permettono di approfondire i contenuti teorici e di svolgere esercitazioni mirate allo sviluppo degli algoritmi oggetto degli elaborati. L’attività didattica è supportata da materiali specifici e risorse digitali rese disponibili sulla piattaforma di e-learning di Ateneo. **Attività didattiche previste** Le attività di didattica, suddivise tra didattica erogativa (DE) e didattica interattiva (DI), saranno costituite da 6 ore per CFU e ripartite secondo una struttura di almeno 2,5 ore di DE (tenuta in considerazione la necessità di riascolto) e di 1 ora di DI per ciascun CFU. *Attività didattica erogativa* *(40 ore):* - 40 lezioni frontali videoregistrate, della durata di circa 30 minuti ciascuna (tenuta in considerazione la necessità di riascolto) sempre disponibili in piattaforma. *Attività didattica interattiva* *(8 ore):* - sessioni sincrone online dedicate all’approfondimento dei contenuti teorici, alla discussione collettiva e allo svolgimento di esercitazioni guidate per lo sviluppo degli algoritmi richiesti negli elaborati. *Attività di autoapprendimento:* - studio individuale dei materiali didattici messi a disposizione sulla piattaforma e-learning, revisione delle lezioni videoregistrate, approfondimento della letteratura di riferimento ed esercitazioni autonome finalizzate alla preparazione degli elaborati e al consolidamento delle conoscenze teoriche e pratiche acquisite. L'articolazione tra DE e DI, per ciascuna unità didattica, sarà organizzata coerentemente con gli obiettivi formativi specifici dell’insegnamento. **Organizzazione didattica esami 2026/2027** Per l'anno accadenico 2026/2027, l'esame del corso risulta diviso in due parti. Le lezioni da studiare per la PROVA INTERMEDIA ONLINE sono: 1. Introduzione 2. Fondamenti di teoria del controllo 3. Regolatore PID 4. ipologie di robot 5. MATLAB 6. Gradi di libertà 7. Spazio delle configurazioni 8. Sistemi di riferimento 9. Cinematica diretta 10. Cinematica inversa geometrica 11. Jacobiano geometrico 12. Esempi di Jacobiano e singolarità 13. Ridondanza e inversione cinematica differenziale 14. Jacobiano anaitico 15. Cineto-statica dei manipolatori 16. Dinamica dei manipolatori con Eulero-Lagrange 17. Dinamica dei manipolatori 18. Controllo del moto 19. Fondamenti di visione per il controllo 20. Controllo di visione 21. Introduzione ai robot mobili 22. Modelli di cinematica di robot mobili 23. Modello dinamico e pianificazione traiettorie 24. Controllo del movimento 25. Localizzazione per robot mobili 26. Pianificazione di traiettorie 27. Interopolazione nella pianificazione della traiettoria 28. Scelta della legge temporale 29. Traiettorie nello spazio operativo 30. Traiettorie per l'orientamento nello spazio operativo Le lezioni da studiare per la PROVA FINALE IN PRESENZA sono: 1. Introduzione alla pianificazione del movimento 2. Approcci deterministici alla pianificazione 3. Approcci probabilistici alla pianificazione 4. Pianificazione tramite potenziali artificiali 5. Potenziali artificiali per la pianificazione del movimento 6. Manipolatori cooperativi 7. Controllo di manipolatori cooperativi 8. Archietetture cognitive per robot intelligenti autonomi 9. Apprendimento profondo nella robotica intelligente 10. Il futuro della robotica intelligente **Ricevimento studenti** Il ricevimento si svolge una volta a settimana, il mercoledì alle ore 15:00. È inoltre possibile concordare ulteriori incontri su richiesta, inviando una mail all’indirizzo: [chiara.foglietta@uniroma5.it](mailto:chiara.foglietta@uniroma5.it) . ### Altro ### Informazioni Generali **Obiettivi Formativi** L’insegnamento si propone di esplorare i principi e le tecniche alla base della progettazione di robot intelligenti e sistemi autonomi. In particolare, si propone di promuovere l’acquisizione di competenze nei campi della robotica cognitiva, della percezione e della navigazione autonoma da parte degli studenti. L’attività di laboratorio è finalizzata a far acquisire agli studenti competenze pratiche nella progettazione e controllo di robot, a mostrare la potenzialità della simulazione degli ambienti robotici e all’implementazione degli algoritmi di navigazione, visione e pianificazione del movimento. L’insegnamento contribuisce anche al potenziamento delle capacità trasversali autonomia di giudizio, abilità comunicative e capacità di apprendimento degli studenti. **Risultati di apprendimento attesi** Al termine del corso lo studente avrà acquisito conoscenze avanzate sui principi, le tecniche e le metodologie alla base della progettazione di robot intelligenti e sistemi autonomi, sviluppando la capacità di comprendere e integrare concetti complessi di robotica, percezione, pianificazione e navigazione autonoma. Sarà in grado di applicare tali conoscenze in attività di laboratorio, attraverso la progettazione, il controllo e la simulazione di sistemi robotici, nonché mediante l’implementazione di algoritmi di navigazione, e pianificazione del movimento. L’insegnamento contribuirà inoltre a potenziare l’autonomia di giudizio degli studenti nella valutazione critica di soluzioni e approcci innovativi, a rafforzarne le abilità comunicative per la presentazione e discussione di progetti e risultati, e a consolidarne la capacità di apprendimento, favorendo l’aggiornamento continuo rispetto agli sviluppi della ricerca e delle applicazioni nel campo della robotica intelligente. *Conoscenza e capacità di comprensione* Al termine del corso lo studente sarà in grado di comprendere i principi teorici e le tecniche avanzate che guidano la progettazione di robot intelligenti e sistemi autonomi, con particolare attenzione agli aspetti legati alla robotica, alla percezione artificiale, alla pianificazione e alla navigazione autonoma. Svilupperà una conoscenza approfondita delle principali architetture e metodologie per il controllo e la simulazione di sistemi robotici complessi, maturando la capacità di analizzare criticamente modelli, algoritmi e soluzioni applicative. Le competenze acquisite consentiranno di integrare e collegare le conoscenze di base della robotica, dell’intelligenza artificiale e dell’informatica con gli sviluppi più recenti della ricerca e delle applicazioni nel campo della robotica intelligente. *Capacità di applicare conoscenza e comprensione* Lo studente sarà in grado di applicare in modo autonomo e critico le conoscenze teoriche acquisite alla progettazione, realizzazione e valutazione di sistemi robotici intelligenti. In particolare, sarà capace di tradurre i principi della robotica, della percezione artificiale e della pianificazione del movimento in soluzioni operative, utilizzando strumenti di simulazione. Attraverso le attività di laboratorio, maturerà competenze pratiche nell’implementazione e nel testing di algoritmi di navigazione e controllo, sviluppando la capacità di integrare tecniche diverse e di adattarle a scenari applicativi complessi e in continua evoluzione. *Abilità di giudizio* Al termine del corso lo studente avrà sviluppato la capacità di analizzare criticamente problemi complessi di robotica intelligente, valutando in maniera autonoma l’adeguatezza di modelli, algoritmi e soluzioni tecnologiche rispetto a contesti applicativi specifici. Sarà in grado di confrontare approcci alternativi, individuandone vantaggi, limiti e potenzialità, e di formulare scelte progettuali motivate e consapevoli. Questa autonomia di giudizio si estenderà anche alla valutazione dell’affidabilità dei risultati ottenuti in simulazione, favorendo lo sviluppo di un atteggiamento riflessivo e responsabile nell’affrontare sfide di ricerca e applicative nel campo della robotica intelligente. *Abilità di comunicare* Al termine del corso lo studente sarà in grado di comunicare in modo chiaro, efficace e rigoroso contenuti, metodologie e risultati relativi alla robotica intelligente, utilizzando sia il linguaggio tecnico-specialistico proprio della disciplina sia modalità di presentazione accessibili a interlocutori non esperti. Sarà capace di redigere relazioni tecniche e documentazione progettuale, di illustrare soluzioni e risultati sperimentali mediante presentazioni orali supportate da strumenti multimediali e di partecipare in modo costruttivo a discussioni di gruppo, favorendo la condivisione e il confronto di idee in contesti di ricerca e sviluppo. *Capacità di apprendimento* Al termine del corso lo studente avrà sviluppato la capacità di apprendere in maniera autonoma e continua, acquisendo strumenti metodologici e cognitivi utili ad approfondire e aggiornare le proprie competenze nel campo della robotica intelligente. Sarà in grado di consultare criticamente la letteratura scientifica, di seguire l’evoluzione delle tecnologie emergenti e di integrare nuove conoscenze con quelle già acquisite, dimostrando flessibilità e spirito di adattamento. Tali abilità favoriranno non solo il proseguimento degli studi e delle attività di ricerca, ma anche l’inserimento professionale in contesti complessi e innovativi. ### Programma del corso Il corso è articolato in **8** Unità Didattiche (UD), ciascuna del valore di 1 CFU, che affrontano in modo progressivo e integrato i principali temi della robotica intelligente, dalla modellazione e dal controllo dei sistemi robotici fino alla pianificazione del movimento, alla cooperazione tra robot e all’integrazione di tecniche di intelligenza artificiale. **UD1 (1 CFU) – Introduzione alla robotica intelligente e nozioni fondamentali** Introduzione alla robotica intelligente, alle principali tipologie di robot e ai sistemi autonomi. Fondamenti di teoria del controllo, sistemi a ciclo aperto e chiuso, regolatori PID e introduzione all’utilizzo di MATLAB per la modellazione e simulazione. **UD2 (1 CFU) – Cinematica dei manipolatori** Gradi di libertà, spazio delle configurazioni e spazio di lavoro. Rappresentazione dei corpi rigidi e delle trasformazioni. Cinematica diretta e inversa dei manipolatori e principali metodi di risoluzione. **UD3 (1 CFU) – Cinematica differenziale e cineto-statica** Jacobiano geometrico e analitico, relazione tra velocità articolari e velocità dell’end effector, singolarità e ridondanza. Inversione cinematica e pseudo-inversa. Fondamenti di cineto-statica e manipolabilità. **UD4 (1 CFU) – Dinamica e controllo dei manipolatori** Modellazione dinamica dei manipolatori mediante formulazione di Eulero-Lagrange, dinamica diretta e inversa. Controllo del movimento nello spazio dei giunti e nello spazio operativo. Fondamenti di visione artificiale e controllo visivo dei manipolatori. **UD5 (1 CFU) – Robotica mobile** Modelli cinematici e dinamici dei robot mobili, vincoli olonomici e non olonomici. Pianificazione e controllo delle traiettorie. Tecniche di localizzazione, odometria e filtro di Kalman esteso. Introduzione ai manipolatori mobili. **UD6 (1 CFU) – Pianificazione delle traiettorie** Pianificazione di traiettorie punto-a-punto e multi-point. Interpolazione, leggi temporali e scalatura temporale. Pianificazione nello spazio operativo e generazione di traiettorie di posizione e orientamento. **UD7 (1 CFU) – Pianificazione del movimento** Formulazione del problema di pianificazione del movimento e rappresentazione nello spazio delle configurazioni. Metodi deterministici e probabilistici, con particolare riferimento a PRM e RRT. Introduzione ai campi di potenziali artificiali. **UD8 (1 CFU) – Robotica avanzata e intelligenza artificiale** Robotica cooperativa e controllo di manipolatori cooperativi. Architetture cognitive per robot autonomi, approcci reattivi, deliberativi e ibridi. Introduzione al deep learning applicato alla percezione, al controllo e alla decisione. Prospettive future della robotica intelligente, interazione uomo-robot, sicurezza ed etica. **Testi consigliati** Il docente consiglia l’integrazione del materiale fornito (videolezioni, dispense e slides) con i seguenti testi, a cui il docente può fare riferimento durante le lezioni: Åström, K. J., & Murray, R. (2021). *Feedback systems: an introduction for scientists and engineers* . Princeton university press. Panzieri, S., Foglietta, C., Bonagura, V., Cavone, G., (2024).*Fondamenti di automatica,* Efesto Press Siciliano, B., Villani, L., Oriolo, G., & De Luca, A. (2025) *Foundations of robotics.* Springer. Siciliano, B., Sciavicco, L., Villani, L., & Oriolo, G. (2008). *Robotica–Modellistica, pianificazione e controllo* . McGraw-Hill libri Italia. Correll, N., Hayes, B., Heckman, C., & Roncone, A. (2022). *Introduction to Autonomous Robots: Mechanisms, Sensors, Actuators, and Algorithms.* MIT Press. Lynch, K. M., & Park, F. C. (2017). *Modern Robotics.* Cambridge University Press. Thrun, S., Burgard, W., & Fox, D. (2005). *Probabilistic robotics.* MA: MIT Press. ### Lezioni Introduzione al corso Robotica Intelligente Introduzione alla Teoria del Controllo Regolatore PID Tipologie di Robot MATLAB Gradi di libertà Spazio delle configurazioni Sistemi di riferimento Cinematica Diretta Cinematica Inversa geometrica Jacobiano geometrico Esempi di Jacobiano e Singolarità Ridondanza e inversione cinematica differenziale Jacobiano analitico Cineto-statica dei manipolatori Dinamica dei manipolatori con Eulero-Lagrange Dinamica dei manipolatori Controllo del moto Fondamenti di visione per il controllo Controllo di visione Introduzione ai robot mobili Modelli cinematici di robot mobili Modello dinamico e pianificazione traiettorie Controllo del movimento Localizzazione per robot mobili Pianificazione di traiettorie Interpolazione nella pianificazione della traiettoria Scelta della legge temporale Traiettorie nello spazio operativo Traiettorie per l'orientamento nello spazio operativo Introduzione alla pianificazione del movimento Approcci deterministici alla pianificazione Approcci probabilistici alla pianificazione Pianificazione tramite potenziali artificiali Potenziali artificiali per la pianificazione del moto Manipolatori cooperativi Controllo di manipolatori cooperativi Architetture cognitive per robot intelligenti autonomi Apprendimento Profondo nella Robotica Intelligente Il futuro della robotica intelligente