Insegnamento ROBOT MOBILI INTELLIGENTI
| Nome del corso di laurea | Ingegneria informatica e robotica |
|---|---|
| Codice insegnamento | 70A00052 |
| Curriculum | Robotics |
| Docente responsabile | Paolo Valigi |
| Docenti |
|
| Ore |
|
| CFU | 9 |
| Regolamento | Coorte 2020 |
| Erogato | Erogato nel 2021/22 |
| Erogato altro regolamento | |
| Attività | Caratterizzante |
| Ambito | Ingegneria informatica |
| Settore | ING-INF/04 |
| Anno | 2 |
| Periodo | Primo Semestre |
| Tipo insegnamento | Obbligatorio (Required) |
| Tipo attività | Attività formativa monodisciplinare |
| Lingua insegnamento | Italiano |
| Contenuti | Introduzione alla robotica mobile. Locomozione. Sensori e percezione. Localizzazione e SLAM. Pianificazione e navigazione. Reinforcement learning. |
| Testi di riferimento | Roland Siegwart, Illah, R. Nourbakhsh, and Davide Scaramuzza. Introduction to autonomous mobile robots. - 2nd ed./ MIT Press, 2014 Sebastian Thrun, Wolfram Burgard and Dieter Fox, Probabilistic Robotics, MIT Press, 2005 |
| Obiettivi formativi | Alla fine del corso gli studenti avranno appreso gli strumenti per comprendere ed risolvere problemi avanzati di controllo di sistemi robotici autonomi, di localizzazione, anche basata su visione, di pianificazione del moto e di realizzazione sperimentale di alcune di queste funzioni. |
| Prerequisiti | I contenuti degli insegnamenti di Machine learning e data e Computer Vision. Concetti fondamentali di Sistemi Elettronici Embedded, Sistemi di Controllo, Programmazione. |
| Metodi didattici | Lezioni frontali ed esercitazioni in laboratorio. Sperimentazione di approcci didattici PBL. Sperimentazione facoltativa per mezzo del progetto DuckieTown@ISARLab. |
| Altre informazioni | Attività facoltative in laboratorio e partecipazione a progetti di robot mobile, nella forma di tirocini interni. |
| Modalità di verifica dell'apprendimento | Prova orale e tesina. La prova orale prevede tre domande, su argomenti scelti dal docente, e dura circa 30 minuti. Durante il corso verranno assegnati esercizi di scrittura di segmenti di codice per la realizzazione di semplici algoritmi di localizzazione. La partecipazione con profitto a queste attività è parte del processo di valutazione. La prova è volta ad accertare la comprensione, da parte dello studente, degli strumenti teorici fondamentali forniti dall'insegnamento, la loro rielaborazione ed assimilazione, nonché le relazioni tra tali strumenti e le tematiche generali dell'ingegneria informatica ed elettronica. La prova è volta ad accertare la comprensione degli strumenti di progetto di schemi di controllo, di algoritmi di stima, localizzazione e pianificazione del moto, la loro simulazione al calcolatore e la loro implementazione su comuni apparati digitali. Per informazioni sui servizi di supporto agli studenti con disabilità e/o DSA visita la pagina http://www.unipg.it/disabilita-e-dsa |
| Programma esteso | Overview of mobile robotics (hardware, software architectures, sensors) and applications (industry 4.0, home, drones). Probabilistic models of sensing and acting. State estimation and filtering for localization. Bayes filter, histogram filters, Kalman filters (extended, unscented), particle filters. Robot localization, Map building. The SLAM problem and solution: Kalman filtering, Rao-Blackwell particle filters, graph-SLAM. Vision based localization, visual odometry and visual SLAM. Robot guidance and trajectory planning. Additional control topics, such a reinforcement learning for robot navigation. |