View syllabus
ROBOTICS FOR ASSISTED LIVING
EGIDIO FALOTICO
Academic year2021/22
CourseBIONICS ENGINEERING
Code696II
Credits12
PeriodSemester 1 & 2
LanguageEnglish

ModulesAreaTypeHoursTeacher(s)
CLOUD ROBOTICSING-IND/34LEZIONI60
GASTONE CIUTI unimap
EGIDIO FALOTICO unimap
ROBOT COMPANIONS FOR ASSISTED LIVINGING-IND/34LEZIONI60
MARCO CONTROZZI unimap
ANDREA MANNINI unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

Conoscenze 

Al termine del modulo ROBOT COMPANIONS FOR ASSISTED LIVING l’allievo avrà acquisito ampie conoscenze relative alla bioingegneria delle tecnologie assistive e della riabilitazione. Il corso si compone di due parti: ELEMENTS OF REHABILITATION DEVICES DESIGN (docente: Marco Controzzi) e DATA-DRIVEN REHABILITATION (docente: Andrea Mannini). 

 

ELEMENTS OF REHABILITATION DEVICES DESIGN  

  • Conoscere i requisiti e le specifiche delle principali macchine per la riabilitazione motoria, ausili per la mobilità e protesi di arto. 
  • Condurre e discutere una semplice verifica e un progetto di ausili, protesi e macchine per la riabilitazione. 
  • Saper impostare un progetto di macchina nell'ambito dell'ingegneria della riabilitazione. 

DATA-DRIVEN REHABILITATION 

  • Conoscere le basi della metodologia della ricerca clinica in riabilitazione 
  • Comprendere le fasi dell’analisi del dato clinico 
  • Saper comprendere ed interpretare gli output di un algoritmo di apprendimento automatico e conseguentemente correggere la soluzione 

 

Il modulo “Cloud Robotics” ”fornirà agli studenti competenze teoriche e pratiche nel campo della Cloud robotics, piattaforme IoT e fornirà informazioni sulla progettazione software di robot e sistemi autonomi con approccio pratico. Attività specifiche saranno svolte con ROS (Robotic Operating System) e YARP (Yet another robot platform) che saranno implementati in ambiente simulato in attività hands-on e utilizzando schede di sviluppo SOM (System on Module) dedicate.

Knowledge

At the end of the module ROBOT COMPANIONS FOR ASSISTED LIVING the student will have gained knowledge of medical robotics in the field of rehabilitation. The course consists of two parts: ELEMENTS OF REHABILITATION DEVICES DESIGN (lecturer: Marco Controzzi) and DATA-DRIVEN REHABILITATION (lecturer: Andrea Mannini). 

LEMENTS OF REHABILITATION DEVICES DESIGN  

  • To know the requirements and specifications of the major limb prostheses, motor rehabilitation equipment and mobility aids. 
  • To lead and discuss the design of prostheses and rehabilitation devices. 
  • To know how to set up a design project in the field of rehabilitation engineering. 
  • To know how to choose rationally the main connecting elements and mechanical components and to know how to dimension them according to specified operating conditions.  

DATA-DRIVEN REHABILITATION 

  • To know basics of clinical research methodology in the field of rehabilitation 
  • To know the pipeline of clinical data analysis 
  • To understand and be able in interpreting the outputs of a machine learning method and consequently being able in correcting the solution 

 

The module “Cloud Robotics” ” will provide the students with theoretical and practical competences in the field of cloud robotics, IoT platforms and it will provide information on the software design of autonomous robots and systems with a hand-on approach. Specific activities will be performed with ROS (Robotic Operating System) and YARP (Yet another robot platform) that will be implemented in simulated environment in hands-on activity and using dedicated SOM (System on Module) development boards.

Modalità di verifica delle conoscenze

ROBOT COMPANIONS FOR ASSISTED LIVING. L’esame si articola in una prova orale. La prova orale riguarderà la padronanza degli argomenti del programma ufficiale del corso ai fini di una loro pratica applicazione in comuni problemi di progettazione e analisi dati nell'ambito dell'ingegneria della riabilitazione. 

 

Per quanto riguarda il modulo “Cloud Robotics”, i criteri di valutazione delle conoscenze consisteranno in una prova orale sui fondamenti teorici degli argomenti del corso e sulle competenze tecniche acquisite nelle attività pratiche.

Assessment criteria of knowledge

ROBOT COMPANIONS FOR ASSISTED LIVING The oral exam covers the mastery of the contents of the course.

As regards the module “Cloud Robotics”, the assessment criteria of knowledge will consist in an oral exam about theoretical foundations of the course topics and technical skills acquired in the hands-on activities.

Capacità

 ROBOT COMPANIONS FOR ASSISTED LIVING. Il primo obiettivo del corso è fornire un quadro sintetico del processo progettuale, dall'analisi dei bisogni alla progettazione concettuale, concreta e di dettaglio nel campo dell'ingegneria riabilitativa. Fornire un quadro completo e aggiornato sui principali modelli per l'analisi e la verifica dei componenti di macchina. Acquisire la capacità di passare della realtà a modelli idonei al dimensionamento o la verifica componenti meccaniche con particolare attenzione a macchine riabilitative, ausili e protesi. 

Il corso si propone inoltre di fornire un quadro sintetico di come si definisce uno studio clinico in ambito riabilitativo, dalla progettazione del protocollo e dal dimensionamento del campione alla pianificazione ed esecuzione dell'analisi con metodi classici e basati sul machine learning. Lo studente dovrebbe acquisire consapevolezza su come sviluppare e validare un metodo di machine learning per la risoluzione di problemi tipici della bioingegneria riabilitativa. 

 

Al termine del modulo “Cloud Robotics” lo studente:

  • avrà conoscenza del concetto teorico di Cloud Robotics e sistemi IoT;
  • saprà progettare un ambiente basato sull'IoT e programmare il firmware embedded;
  • saprà progettare e implementare un controller per robot basato su middleware (ROS e YARP).
Skills

ROBOT COMPANIONS FOR ASSISTED LIVING The first aim of the course is to provide a concise picture of the design process, from needs analysis to conceptual, concrete and detail design in the field of rehabilitation engineering. To provide a complete and updated picture of the main models for the analysis and verification of the part. To acquire the ability to moving from concrete to suitable schemes for the dimensioning or verification of mechanical components with particular attention to rehabilitation machines, aids and prostheses. 

The course also aims to provide a concise picture of the how a clinical study in the rehabilitation field is defined, from the protocol design and the sample dimensioning to the analysis planning and execution using classical and machine learning-based methods. The student should become aware on how to develop and validate a machine learning method for solving typical problems of rehabilitation bioengineering. 

 

 At the end of the module “Cloud Robotics” the student will:

  • know about the theoretical concept of Cloud Robotics and IoT systems;
  • know how to design an IoT-based environment and program the embedded firmware;
  • know how to design and implement a controller for robots based on middleware (ROS and YARP).
Modalità di verifica delle capacità

ROBOT COMPANIONS FOR ASSISTED LIVING. La prova orale consisterà per quanto riguarda la parte di ELEMENTS OF REHABILITATION DEVICES DESIGN anche nella discussione di un semplice gruppo meccanico di un dispositivo e nella verifica di alcune sue parti mentre pe la parte DATA-DRIVEN REHABILITATION coinvolgerà la discussione di strategie implementative pratiche. 

 

Durante il modulo “Cloud Robotics” le competenze saranno valutate progressivamente attraverso la discussione e la valutazione degli esercizi di implementazione durante le attività pratiche.

Assessment criteria of skills

ROBOT COMPANIONS FOR ASSISTED LIVING At the end of the module through the oral exam which is the study of a simple mechanical assembly of a device and the verification of some of its parts, in addition to a discussion on the data driven rehabilitation. 

During the “Cloud Robotics” module, skills will be progressively evaluated by discussion and assessment of the implementation exercises during the hands-on activities.

Comportamenti

ROBOT COMPANIONS FOR ASSISTED LIVING. 

  • Accuratezza e precisione nello svolgere attività di definizione e analisi di un problema tecnico 
  • Lo studente potrà acquisire e/o sviluppare sensibilità verso la schematizzazione della realtà in modelli idonei per il calcolo di dimensionamento 
  • Lo studente imparerà a impostare in maniera rigorosa un protocollo di studio e analisi in contesto clinico  
  • Lo studente potrà comprendere quali sono le strategie da intraprendere per migliorare le performance di un modello predittivo 


 

 

Modulo "Cloud Robotics"

Lo studente sarà in grado di:

  • implementare un controller basato su middleware robotico;
  • implementare soluzioni IoT e cloud per la robotica.
Behaviors

ROBOT COMPANIONS FOR ASSISTED LIVING 

  • Appropriate accuracy and precision will be gained in defining and analyzing a technical problem 
  • The student can acquire and / or develop sensitivity towards modelling of the reality in order to design the device. 
  • The student can learn the phases of a clinical data analysis from a bioengineering/data analyst viewpoint, from the protocol definition to structured data acquisition and analysis methods. 

 

Module “Cloud Robotics”

The student will be able to:

  • implement a controller based on robotic middleware;
  • implement IoT and cloud solutions for robotics.
Modalità di verifica dei comportamenti

 ROBOT COMPANIONS FOR ASSISTED LIVING. Prova orale al termine del modulo. 

Durante il modulo “Cloud Robotics”, la verifica dei comportamenti avverrà tramite l'interazione con i docenti che servirà per ispirare gli studenti e tradurre argomenti teorici in ricerca.

Assessment criteria of behaviors

ROBOT COMPANIONS FOR ASSISTED LIVING At the end of the oral examination. 

During the “Cloud Robotics” module, criteria of behaviors will be assessed by discussion and interaction that will be used for inspiring the students and translate theoretical topics into research.

Prerequisiti (conoscenze iniziali)

OBOT COMPANIONS FOR ASSISTED LIVING. 

Dai corsi di Matematica e Fisica: Conoscere i metodi matematici fondamentali ed avere basi di algebra lineare. Non avere esitazioni circa lo studio delle condizioni di equilibrio sia statico sia dinamico di un punto.  Sapere usare correttamente i sistemi di unità di misura. 

Da Scienza dei materiali: Conoscere le proprietà meccaniche dei comuni materiali metallici da costruzioni. 

Da Meccanica e Elementi Costruttivi: Non avere esitazioni nel risolvere problemi di statica del corpo rigido, anche nello spazio. Saper risolvere semplici problemi di statica e, ove applicabili, di dinamica di sistemi di corpi vincolati. Sapere analizzare correttamente semplici strutture (es.: telaio di travi). 

Dai corsi di informatica: Competenze di base di programmazione e dell’utilizzo del software Matlab. 

 

 

Modulo "Cloud Robotics"

I prerequisiti sono conoscenze di base in design, elettronica e programmazione (linguaggi: C).

Prerequisites

ROBOT COMPANIONS FOR ASSISTED LIVING 

Mathematics and Physics: Knowledge of the fundamentals in mathematics and linear algebra. Static and Dynamic equilibrium. Unit of measurement. 

Material Science: Mechanical properties of common materials. 

Applied Mechanics: 3D static equilibrium of stiff bodies. Stress/strain relation. Beam theory. Gear trains. 

From computer science& programming courses: Basic programming skills and use of the software Matlab. 

 

Module “Cloud Robotics”

Pre-requisites are basic knowledges in  electronics, and programming (languages: C).

Indicazioni metodologiche

 

ROBOT COMPANIONS FOR ASSISTED LIVING. Il modulo sarà organizzato in lezioni e attività pratiche. La discussione durante le lezioni completerà la didattica. Gli incontri faccia a faccia saranno possibili negli orari di ufficio previo appuntamento. I materiali saranno accessibili da cartelle condivise dedicate per gli studenti. 

 

Modulo "Cloud Robotics"

Il modulo “Cloud Robotics” sarà organizzato in lezioni, seminari e attività pratiche. Il confronto durante le lezioni e incontri  con i docenti completeranno le metodologie didattiche. I materiali saranno accessibili tramite cartelle condivise con gli studenti.

 

Teaching methods

ROBOT COMPANIONS FOR ASSISTED LIVING 

The module will be organized in classes and hands-on activities. Discussion during the lessons will complete the teaching methods. Face-to-face meetings will be possible in office hours by appointment. Materials will be accessible from dedicated shared folders for the students. 

 

Module “Cloud Robotics”

  • The “Cloud Robotics” module will be organized in classes, seminars and hands-on activities. Discussion during the lessons and planned in dedicated face-to-face meeting with the teachers will complete the teaching methods. Materials will be accessible from dedicated shared folders for the students.

Programma (contenuti dell'insegnamento)

 

ROBOT COMPANIONS FOR ASSISTED LIVING. 

Introduzione al corso. Definizione di ingegneria della riabilitazione. Obiettivi del corso. Contenuti del corso. Metodo. Libri di riferimento e materiale didattico. Esame.  

Tot 1h 

Progettare per l’uomo e per riabilitare. Menomazioni, limitazione delle attività e partecipazione. International Classification of Functioning, Disability and Health. Il processo riabilitativo. Cenni di ergonomia, di progettazione universale e antropometria. Modello HAAT. Ausili. Macchine per la riabilitazione. 

Tot 4h 

Fondamenti di costruzione di macchine biomediche. Approccio alla progettazione e alla verifica. La specifica tecnica. Risoluzione dei problemi di costruzione di macchine. Analisi dei carichi e schematizzazione. Scelta e dimensionamento di moto-riduttori. Assi e alberi e collegamenti albero-mozzo. Elementi di trasmissioni. Cuscinetti radenti. Verifiche di durabilità: usura e danneggiamento superficiale nei contatti. Cuscinetti volventi. Collegamenti con bulloni, viti mordenti. 

Tot 25h 

 

Metodologia della ricerca clinica e cenni di biostatistica: Definizioni di metodologia della ricerca clinica, la definizione di un protocollo per la ricerca clinica (osservazionale/interventistico, retrospettico/prospettico) il ruolo del comitato etico. Evidence-based practice, qualità dell’evidenza, il ruolo delle revisioni sistematiche e delle meta-analisi. Cenni di biostatistica: tipologie di variabili; test di gaussianicità; test delle ipotesi parametrici/non parametrici, a campioni dipendenti/indipendenti. Calcolo della dimensione campionaria.   

Tot: 6h 

 

Machine learning, teoria e sessioni hands on. Introduzione alle metodologie di machine learning, metodi classici di regressione, l’algoritmo di discesa del gradiente. Classificazione supervisionata mediante regressione logistica e softmax, gli algoritmi di regolarizzazione. Support vector machines. L’organizzazione dei dati per gli algoritmi di machine learning, split dei dataset, cross-validazione, metriche di bontà di una soluzione di machine learning. Tradeoff bias-varianza negli algoritmi classici di machine learning. Curve di validazione per l’ottimizzazione degli iperparametri, error analysis.  

Tot: 15 h 

 

Applicazioni del machine learning in riabilitazione (ricerca e clinica). Applicazione 1: metodi di machine learning per il controllo di protesi mioelettriche: dall’elettromiografia alla decodifica dell’intenzione motoria. Applicazione 2: metodi di machine learning per l’analisi del movimento e per l’estrazione di parametri biomeccanici mediante sensori indossabili in contesto riabilitativo. Applicazione 3: metodi di machine learning per la predizione dell’outcome clinico.  

Metodi di selezione automatica dei predittori e criteri per la scelta di un algoritmo di classificazione. Identificazione di predittori significativi. Validazione interna ed esterna degli algoritmi di predizione in contesto clinico. Intelligenza artificiale nel contesto clinico: il problema dell’interpretabilità dell’algoritmo di predizione. Sistemi di supporto alla decisione clinica. 

Tot: 9 h 

 

Module “Cloud Robotics”

  • 1) Cloud Robotics 

     Principali concetti di Cloud Robotics

    2) Introduzione a C++ 

    • Classi e Interfacce
    • Pointers
    • Templates 

    3) Introduzione a Python 

    • Data structure and comandi di base
    • Classi

     

    4) Interfacce di comunicazione e IoT platforms 

    • Introduzione alle interfacce di comunicazione nell'elettronica digitale, ad es. SPI e I2C
    • Introduzione ai sistemi IoT: definizioni, applicazioni, tecnologie abilitanti
    • Strumenti per la programmazione del firmware e OTA dei SoM 
    • OTA: over-the-air; SOM: sistema su modulo. 
    • Funzioni chiave e protocolli per la programmazione cloud di SoM 
    • Esempi ed esercizi (lezioni pratiche)

     

    5) Introduction to Robot Programming 

    • ROS framework
    • ROS protocolli di comunicazione
    • ROS robot control
    • Esercizi con ROS per protocolli di communicazione e controllo robotico
    • Introduzione a YARP
    • YARP protocolli, strategie di comunicazione e controllo robotico
    • Exercise con YARP per protocolli di communicazione e controllo robotico

     

    6) Robot control (15 H) 

    • Introduction to kinematic control
    • Introduction to dynamic control
    • Exercise on robot control
Syllabus

ROBOT COMPANIONS FOR ASSISTED LIVING 

Introduction. Rehabilitation Engineering: what's that? Course objectives. Contents. Method. Readings and lecture notes. Final assessment. 

Tot 1h 

 

Design for all and for disability. Disability and the International Classification of Functioning, Disability and Health. The rehabilitation process. Design for all and ergonomics. The HAAT model. Prostheses. Assistive technologies. Rehabilitation devices. 

Tot 4h 

 

Biomedical devices design fundamentals. Defining the technical requirements. Intent design method. Safety factor and reliability. How to address a design project. Design, analysis and selection of mechanical components (screws, ball bearings, plain bearings). Contacts and wear.  

Tot 25h 

Clinical research methodology, and introduction to biostatistics. Research methodology definitions, the development of a clinical research protocol (observational/intervention, retrospective/prospective). The role of the ethical committee. Evidence based practice, quality of evidence, the role of systematic review and meta-analyses. Introduction to biostatistics: type of variables; gaussianicity tests; hypothesis tests parametric/non-parametric, independent/dependent samples. Sample size calculation. 

Tot: 6h 

 

Machine learning, theory and practice. Introduction to machine learning methods (ML), classical regression and classification methods. Gradient descent algorithm. Supervised classification by logistic and softmax regression. Regularization. Support vector machines. Data management for ML studies, dataset splits, cross-validation, quality metrics. Bias-variance tradeoff for classical ML applications. Diagnostic tools: validation curves, training curves, error analysis. Hyperparameters optimization. 

Tot: 15 h 

 

Machine learning applied to rehabilitation. Application 1: machine learning methods for myoelectric prosthesis control: from electromyography to the motor intention decoding. Application 2: machine learning methods in the field of movement analysis and biomechanical parameter assessment based on wearable sensors. Application 3: machine learning methods for clinical outcome prediction.  

Methods for automatic selection of predictors and practical hints to choose the appropriate classification/regression algorithm. Features screening and identification of significant predictors. Internal and external validation of predictive algorithms. Artificial intelligence implications for clinical use: the interpretability issue. Decision support tools. 

Tot: 9 h 

 


 

 

Module “Cloud Robotics”

  • 1) Cloud Robotics 

     -Main concepts of Cloud Robotics

    2) Introduction to C++ 

    • Class and Interface
    • Pointers
    • Templates

     

    3) Introduction to Python 

    • Data structure and basic commands
    • Classes

     

    4) Communication interfaces and IoT platforms 

    • Introduction to communication interfaces in digital electronics, g. SPI and I2C
    • Introduction to IoT systems: definitions, applications, enabling technologies
    • Tools for local and OTA firmware programming of SoMs
      • OTA: over-the-air; SOM: system on module.
    • Key-functions and protocols for cloud programming of SoMs
    • Examples and exercises (hands-on lessons)

     

    5) Introduction to Robot Programming 

    • ROS framework
    • ROS communication protocols and strategies
    • ROS robot control
    • Exercise on ROS communication and robot control in simulation
    • Introduction to YARP
    • YARP communication protocols and strategies and robot control
    • Exercise on YARP communication and robot control

     

    6) Robot control 

    • Introduction to kinematic control
    • Introduction to dynamic control
    • Exercise on robot control
Bibliografia e materiale didattico

ROBOT COMPANIONS FOR ASSISTED LIVING. 

Dispense e materiale fornito dal docente. Il materiale fornito è necessario per avere un quadro introduttivo alla materia. 

  • Per gli argomenti nella sezione Fondamenti di costruzione di macchine biomediche indispensabile un libro a scelta tra: Juvinall e Marshek Fondamenti della progettazione dei componenti delle macchine Ed. ETS, Pisa, qualsiasi edizione (anche inglese). In alternativa: Shigley, Joseph Edward, et al. Progetto e costruzione di macchine. McGraw-Hill, qualsiasi versione; In alternativa: Antonio De Paulis - Enrico Manfredi, Costruzione di macchine: Criteri di base e applicazioni principali, Ed. Pearson Italia, Milano. 
  • Per gli argomenti nella sezione Progettare per l'uomo e per il dosabile consultare all'occorrenza Cooper Rehabilitation Engineering Applied to mobility and Manipulation. 
  • Per gli argomenti della parte Data-driven rehabilitation sarà fornito materiale dal docente. Potrà essere utile consultare testi quali:
  • Biostatistics: the bare essentials, Geoffrey R. Norman, David L. Streiner, ed. PMPH 
  • Pattern Recognition and Machine Learning, C. Bishop, Ed. Springer 

 

 

Modulo “Cloud Robotics”

  • Selezione di articoli scientifici forniti dal docente, link a documentazione di ROS, YARP e PARTICLE, uso di slides fornite dal docente.
Bibliography

 

ROBOT COMPANIONS FOR ASSISTED LIVING 

Lecture notes and material provided by the teacher. The material provided is necessary to have an introductory framework to the subject. 

  1. For the topics in the section Fundamentals of construction of biomedical machines, a book of your choice between: Juvinall and Marshek Fundamentals of designing machine components Ed. ETS, Pisa, any edition (including English) is essential. Alternatively: Shigley, Joseph Edward, et al. Machine design and construction. McGraw-Hill, any version; Alternatively: Antonio De Paulis - Enrico Manfredi, Machine construction: Basic criteria and main applications, Ed. Pearson Italia, Milan.
  2. Refer to Cooper Rehabilitation Engineering Applied to mobility and Manipulation if necessary for topics in the section Designing for humans and dosable.
  3. For the topics of the Data-driven rehabilitation part, material will be provided by the teacher. It may be useful to consult texts such as:
  4. a. Biostatistics: the bare essentials, Geoffrey R. Norman, David L. Streiner, ed. PMPH
  5. Pattern Recognition and Machine Learning, C. Bishop, Ed. Springer

 

Module “Cloud Robotics”

  • selection of scientific articles provided by the teacher, link to ROS, YARP and PARTICLE documentation, slides, etc.

Indicazioni per non frequentanti

 

Modulo “Robotic and Data-Driven Rehabilitation”

  • Fare riferimento alle sezioni "Programma" e "Bibliografia/materiale didattico";
  • contattare i docenti di riferimento.

 

Modulo “Cloud Robotics”

  • Fare riferimento alle sezioni "Programma" e "Bibliografia/materiale didattico";
  • contattare i docenti di riferimento.
Non-attending students info
  • Please refer to Syllabus and Bibliography sections. Please contact teachers via email.
Modalità d'esame

ROBOT COMPANIONS FOR ASSISTED LIVING. La prova orale riguarderà la padronanza degli argomenti del programma ufficiale del corso ai fini di una loro pratica applicazione in comuni problemi di progettazione e analisi dati nell'ambito dell'ingegneria della riabilitazione. Durante la prova orale potrà essere richiesto al candidato di risolvere anche problemi/esercizi scritti, davanti al docente. Il colloquio ha una durata di circa 40 min. 

 

 

Modulo “Cloud Robotics”

  • Esame orale focalizzato sulla valutazione degli argomenti trattati; 
  • discussione focalizzata sul progetto hands-on.
Assessment methods

Module ROBOT COMPANIONS FOR ASSISTED LIVING 

  • oral exam focused on the assessment of basic theoretical knowledge;
  • workproject.

Module “Cloud Robotics”

  • oral exam focused on the assessment of basic theoretical knowledge and focused discussion on the implemented exercises in the hands-on sessions.

Altri riferimenti web

Lo studente ha a disposizione il materiale aggiornato nelle cartelle condivise e rese disponibili durante i corsi.

Additional web pages

Material will be available in the shared folders with the students.

Notes

N/A

Updated: 26/09/2021 17:47