Ingegneria Informatica e dell’Intelligenza Artificiale Applicata LM-32

Modalità di accertamento dei risultati di apprendimento acquisiti dallo studente

La valutazione complessiva dello studente si basa sull’esito del questionario, che consente di accertare le conoscenze e la capacità di comprensione teorica (fino a un massimo di 17 punti), e sui due elaborati progettuali, ciascuno con un valore massimo di 7 punti, che permettono di verificare la capacità di applicare conoscenze e metodologie in contesti pratici e simulati (fino a un massimo di 14 punti). 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, con un punteggio massimo complessivo pari a 31 punti (30 e lode).

Modalità di esame

L’esame prevede una prova scritta costituita da un questionario a risposta chiusa e la presentazione di due elaborati progettuali. Il questionario è finalizzato a verificare la conoscenza teorica dei contenuti trattati durante il corso (fino ad un massimo di 17 punti), mentre gli elaborati riguardano lo sviluppo e la discussione di soluzioni applicative su temi di robotica intelligente, svolti individualmente (fino ad un massimo di 14 punti).

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.

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.

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 .

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.

Il corso è articolato in otto Unità Didattiche (UD), ciascuna del valore di 1 CFU, che affrontano in modo progressivo e integrato i principali temi della robotica intelligente.

UD1 (1 CFU) – Introduzione alla robotica intelligente e nozioni fondamentali

Presentazione del corso, panoramica sui robot intelligenti e sui sistemi autonomi, principi di robotica e controllo.

UD2 (1 CFU) – Cinematica dei manipolatori: concetti di base

Descrizione dei gradi di libertà, rappresentazioni delle trasformazioni rigide, modelli diretti e inversi di posizione, cenni ai principali algoritmi di risoluzione.

UD3 (1 CFU) – Dinamica dei manipolatori

Equazioni del moto dei robot manipolatori, modelli lagrangiani e newtoniani, dinamica diretta e inversa, problemi di controllo del movimento.

UD4 (1 CFU) – Controllo avanzato dei manipolatori

Tecniche avanzate di controllo, grasping, gestione dell’end effector, applicazioni nei sistemi robotici industriali e collaborativi.

UD5 (1 CFU) – Robotica mobile

Architetture e modelli cinematici dei robot mobili, tecniche di localizzazione e mappatura (SLAM), algoritmi di navigazione autonoma e strategie di controllo.

UD6 (1 CFU) – Pianificazione del movimento

Algoritmi di path planning, pianificazione probabilistica e deterministica, tecniche di pianificazione in ambienti dinamici, integrazione tra percezione e pianificazione.

UD7 (1 CFU) – Robot umanoidi: principi e modelli

Caratteristiche strutturali e cinematiche dei robot umanoidi, problematiche di stabilità e locomozione, modelli di camminata e postura.

UD8 (1 CFU) – Robot umanoidi: controllo e applicazioni avanzate

Strategie di controllo per la locomozione e l’interazione fisica, apprendimento motorio, scenari applicativi avanzati, robotica umanoide per l’interazione uomo-macchina.

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., Sciavicco, L., Villani, L., & Oriolo, G. (2008). Robotica–Modellistica, pianificazione e controllo. McGraw-Hill libri Italia.

Siciliano, B., Sciavicco, L., Villani, L., & Oriolo, G. (2009). Robotics: modelling, planning and control. London: Springer London.

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.