Autonomous robots and agents
A.A. 2025/2026
Obiettivi formativi
L'insegnamento mira a fornire un'introduzione alla Robotica Autonoma affrontando, in particolare, le sinergie tra questa e l'area dei Sistemi Multi-Agente. L'obiettivo è quello di dotare gli studenti delle conoscenze teoriche e pratiche necessarie per progettare e sviluppare i moduli computazionali di robot e agenti autonomi in una varietà di contesti applicativi. Costruendo sulle basi dei modelli matematici e computazionali propri dei sistemi robotici più utilizzati, come robot mobili o manipolatori, verranno esplorate le tecniche che oggi e nel futuro ricopriranno un ruolo chiave nel dotare sistemi composti da uno o più robot della capacità di pianificare e agire in modo autonomo nel mondo che lo circonda.
Risultati apprendimento attesi
Lo studente acquisirà una comprensione, da un punto di vista informatico, dei concetti fondamentali alla base della robotica autonoma e dei sistemi multi-agente e di come applicarli per affrontare una selezione di problemi specifici di questo ambito. Da un lato più pratico, lo studente imparerà a sviluppare e sperimentare con piattaforme robotiche autonome in simulazione e/o realtà.
Periodo: Terzo quadrimestre
Modalità di valutazione: Esame
Giudizio di valutazione: voto verbalizzato in trentesimi
Corso singolo
Questo insegnamento non può essere seguito come corso singolo. Puoi trovare gli insegnamenti disponibili consultando il catalogo corsi singoli.
Programma e organizzazione didattica
Edizione unica
Responsabile
Periodo
Terzo quadrimestre
Programma
Introduzione (2h)
- Tipi di robot: percezione, modellazione del mondo, attuazione.
- Robot come agenti: panoramica delle applicazioni e delle sfide aperte.
Metodi (16h)
- Matematica per la robotica: richiami di algebra lineare, metodi probabilistici e ottimizzazione.
- Filtraggio e stima ricorsiva dello stato.
- Decision making sequenziale con incertezza e ambienti dinamici (MDP, POMDP).
Problemi (20h)
- Cinematica per robot mobili.
- Mapping e localizzazione.
- Navigazione e planning autonomo.
- Sistemi multiagente robotici: coordinazione e cooperazione.
Strumenti (10h)
- Lezioni pratiche su architetture robotiche e ROS, il sistema operativo per robot.
- Tipi di robot: percezione, modellazione del mondo, attuazione.
- Robot come agenti: panoramica delle applicazioni e delle sfide aperte.
Metodi (16h)
- Matematica per la robotica: richiami di algebra lineare, metodi probabilistici e ottimizzazione.
- Filtraggio e stima ricorsiva dello stato.
- Decision making sequenziale con incertezza e ambienti dinamici (MDP, POMDP).
Problemi (20h)
- Cinematica per robot mobili.
- Mapping e localizzazione.
- Navigazione e planning autonomo.
- Sistemi multiagente robotici: coordinazione e cooperazione.
Strumenti (10h)
- Lezioni pratiche su architetture robotiche e ROS, il sistema operativo per robot.
Prerequisiti
Il corso non richiede nessuna conoscenza pregressa della materia. Tuttavia, per una migliore e più facile comprensione degli argomenti trattati sono consigliate conoscenze di base di algebra lineare, algoritmi e calcolo delle probabilità e statistica. L'aver frequentato con profitto i corsi di Matematica del discreto, Algoritmi e Strutture Dati e Statistica e Analisi dei Dati è garanzia più che sufficiente. La frequentazione del corso Intelligenza Artificiale I può essere di aiuto.
Metodi didattici
La parte di teoria si volge tramite lezioni frontali in cui vengono presentate delle slides rese disponibili in formato PDF tramite la piattaforma myAriel. La frequenza è fortemente consigliata.
Materiale di riferimento
Sebastian Thrun, Wolfram Burgard and Dieter Fox, Probabilistic Robotics, The MIT Press (Intelligent Robotics and Autonomous Agents Series), 2005
Per gli approfondimenti specifici sulla robotica mobile:
Siegwart, Illah Reza Nourbakhsh and Davide Scaramuzza, Introduction to Autonomous Mobile Robots - Second Edition The MIT Press (Intelligent Robotics and Autonomous Agents Series), 2011
Per alcune nozioni di base e altri approfondimenti su agenti autonomi e sistemi multiagente:
Peter Norvig e Stuart J. Russell, Artificial Intelligence: A Modern Approach - Fourth Edition Pearson Education, 2021
Ad ulteriore supporto durante il corso verranno forniti tramite piattaforma myAriel slides ed altro materiale integrativo.
Per gli approfondimenti specifici sulla robotica mobile:
Siegwart, Illah Reza Nourbakhsh and Davide Scaramuzza, Introduction to Autonomous Mobile Robots - Second Edition The MIT Press (Intelligent Robotics and Autonomous Agents Series), 2011
Per alcune nozioni di base e altri approfondimenti su agenti autonomi e sistemi multiagente:
Peter Norvig e Stuart J. Russell, Artificial Intelligence: A Modern Approach - Fourth Edition Pearson Education, 2021
Ad ulteriore supporto durante il corso verranno forniti tramite piattaforma myAriel slides ed altro materiale integrativo.
Modalità di verifica dell’apprendimento e criteri di valutazione
L'esame consiste in una prova scritta della durata di al più 3 ore dove si propongono esercizi e domande aperte con risposta breve.
Gli esercizi prevedono l'applicazione delle tecniche discusse a lezione a problemi di complessità congrua alla durata della prova. Le domande aperte verificano la conoscenza dei concetti di base e di come questi possano essere applicati alla risoluzione di problematiche nel mondo reale.
Durante la prova non è consentito consultare materiale didattico.
Il voto è in trentesimi e verrà comunicato tramite la piattaforma myAriel.
Le valutazioni terranno conto di padronanza delle tecniche, correttezza ed eleganza delle soluzioni, chiarezza espositiva e formale, conoscenza delle nozioni e capacità di applicarle in contesti nuovi. La prova e la valutazione non verranno differenziate in base alla frequenza.
Gli esercizi prevedono l'applicazione delle tecniche discusse a lezione a problemi di complessità congrua alla durata della prova. Le domande aperte verificano la conoscenza dei concetti di base e di come questi possano essere applicati alla risoluzione di problematiche nel mondo reale.
Durante la prova non è consentito consultare materiale didattico.
Il voto è in trentesimi e verrà comunicato tramite la piattaforma myAriel.
Le valutazioni terranno conto di padronanza delle tecniche, correttezza ed eleganza delle soluzioni, chiarezza espositiva e formale, conoscenza delle nozioni e capacità di applicarle in contesti nuovi. La prova e la valutazione non verranno differenziate in base alla frequenza.
Docente/i