Scheda programma d'esame
ROBOTICS AND INTELLIGENT MACHINES
LUCIA PALLOTTINO
Academic year2020/21
CourseARTIFICIAL INTELLIGENCE AND DATA ENGINEERING
Code891II
Credits6
PeriodSemester 2
LanguageItalian

ModulesAreaTypeHoursTeacher(s)
ROBOTICA E MACCHINE INTELLIGENTIING-INF/04LEZIONI0
LUCIA PALLOTTINO unimap
Obiettivi di apprendimento
Learning outcomes
Conoscenze

Il corso si propone di fornire agli allievi le nozioni fondamentali e gli strumenti necessari per l’analisi, la progettazione e la realizzazione di sistemi di gestione per sistemi multi robot, intesi nella loro più ampia accezione: sistemi fisici controllati da un processore digitale, dotati di capacità sensoriali e di intervento sull’ambiente, con caratteristiche di elevata autonomia. Al termine del corso, lo studente avrà:

  • conoscenze sulle tecniche e gli algoritmi di pianificazione del moto di sistemi robotici, anche inseriti in contesti di produzione integrata;
  • conoscenze sulle metodologie di modellazione, analisi e progetto di sistemi di controllo per sistemi robotici distribuiti.
Knowledge

The course aims at providing students with the basic knowledge and tools needed for the analysis, design and implementation of robotic management systems in their broadest sense: physical systems controlled by a digital processor, equipped with sensory capabilities and intervention on the environment, with peculiarities of high autonomy. At the end of the course, the student will have:

  • Knowledge of robotic systems techniques and motion planning algorithms, also with application to integrated production contexts;
  • Knowledge on modeling, analysis and design methodologies for control systems for distributed robotic systems.
Modalità di verifica delle conoscenze

La verifica delle conoscenze avviene attraverso la applicazione delle stesse a casi di studio, i cui risultati sono presentati e discussi attraverso una relazione tecnica ed una presentazione con strumenti multimediali.  

Assessment criteria of knowledge

Knowledge verification occurs through application of the course topics to case studies. Results are presented and discussed through a technical report and a presentation with multimedia tools.

Capacità

Al termine dell'insegnamento lo studente saprà:

  • Utilizzare software di simulazione per sistemi robotici
  • Utilizzare le tecniche di pianificazione del moto nello spazio delle configurazioni
  • Utilizzare le metodologie attuali per l'analisi e la gestione di sistemi robotici distribuiti
Skills

At the end of the course the student will know how to:

  • Use simulation software for robotic systems;
  • Use motion planning techniques in configuration space;
  • Use the current methodologies for analyzing and managing distributed robotic systems;
Modalità di verifica delle capacità

Durante il corso le tecniche apprese di pianificazione verranno applicate su sistemi robotici simulati e/o fisici in attività di esercitazione e laboratoriale, sotto la supervisione dei docenti e dei collaboratori alla didattica

Assessment criteria of skills

During the course, the motion planning techniques will be applied on simulated and / or physical robotic systems in exercise and laboratory activities, under the supervision of teachers and teaching staff

Comportamenti

Al termine del corso gli  studenti avranno sviluppato l’attitudine a riconoscere nei problemi applicativi di diversa natura che possono essere loro proposti, le caratteristiche salienti dei sistemi robotici in una accezione ampia del termine, di riconoscere le tecniche più adeguate per la pianificazione del moto e di applicare gli strumenti di progetto appresi.

Behaviors

At the end of the course, students will have developed the ability to recognize in problems of different nature that can be proposed to them, the salient features of robotic systems in a broad sense of the term, to recognize the most appropriate techniques for motion planning and to apply the design tools learned.

Modalità di verifica dei comportamenti

Agli studenti verrà chiesto di proporre argomenti di approfondimento nei quali loro stessi dovranno scegliere i sistemi cui applicare le tecniche apprese. In questo modo, potranno dimostrare di saper estendere l’applicabilità dei metodi ad una classe più generale di problemi che potranno incontrare nella loro vita professionale.

 

Assessment criteria of behaviors

Students will be asked to propose topics to be studied in detail in which they will have to choose which  learned technique is more suitable to be applied. In this way, they will be able to demonstrate how to extend the applicability of the methods to a more general class of problems they may encounter in their professional life.

Prerequisiti (conoscenze iniziali)
  • Elementi di algebra lineare e teoria dei grafi
  • Capacità di utilizzo di software di analisi e simulazione (e.g. Matlab, Simulink)
Prerequisites
  • Linear algebra elements and graph theory
  • Ability to use analysis and simulation software (e.g. Matlab, Simulink)
Indicazioni metodologiche

Le lezioni vengono svolte alla lavagna con l'eventuale uso di supporti multimediali per la visione di immagini e video.

Modalità di apprendimento:

  • Partecipazione alle lezioni
  • Partecipazione a seminari
  • Partecipazione alle discussioni
  • Studio individuale
  • Lavoro di gruppo
  • Lavoro di laboratorio

Metodologia di insegnamento:

  • Lezioni
  • Seminari
  • Tutorato
Teaching methods

 

Lessons are performed on the blackboard with the possible use of multimedia media for viewing images and videos.

 

Learning modality:

  • Participation in lessons
  • Participation in seminars
  • Participation in discussions
  • Individual studio
  • Teamwork
  • Laboratory work

Teaching methodology:

  • Lessons
  • Seminars
  • Tutoring
Programma (contenuti dell'insegnamento)

 

 

1 Introduzione ai sistemi multi robot

1.1 Caratteristiche e problematiche

1.2 Astrazione e modellistica

 

2 Introduzione alla teoria dei grafi

2.1 Definizioni, caratteristiche e proprietà dei grafi

2.2 Matrici associate ai grafi e analisi spettrale

2.3 Introduzione all'ottimizzazione discreta

2.4 Introduzione alla programmazione dinamica

 

3 Algoritmi di pianificazione del moto

3.1 Introduzione al problema della pianificazione del moto

3.2 Modelli geometrici e spazio delle configurazioni

3.3 Algoritmi di pianificazione combinatorici.

3.4 Algoritmi di pianificazione del moto basati su campionamento.

3.5 Algoritmi di pianificazione basati sui potenziali o su comportamenti

 

4 Algoritmi distribuiti su reti sincrone

4.1 Introduzione agli algoritmi distribuiti su reti sincrone

4.2 Il Protocollo del Consenso a tempo continuo e discreto

5 Controllo di formazione

5.1 Introduzione al controllo in formazione

5.2 Formalizzazione e modellistica delle formazioni

5.3 Controllo di formazioni con dinamica lineare

5.4 Controllo di formazioni di unicicli

5.5 Problema del Coverage

6 Strumenti di simulazione robotica

6.1 Uso del Matlab per la simulazione di sistemi robotici distribuiti

6.2 Introduzione al Robotics Operative System (ROS)

Syllabus

 

1 Introduction to multi robot systems

1.1 Characteristics and challenges

1.2 Modelling

 

2 Introduction to graph theory

2.1 Definitions, characteristics and Properties of Graphs

2.2 Matrices associated to graphs and spectral analysis

2.3 Introduction to Discrete Optimization

2.4 Introduction to Dynamic Programming

 

3 Motion Planning Algorithms

3.1 Introduction to the motion planning problem

3.2 Geometric models and configuration space

3.3 Combinatorial motion planning algorithms

3.4 Sample-based motion planning algorithms

3.5 Planning algorithms based on Artificial Potential fields and on Behaviors

 

4 Algorithms distributed on synchronous networks

4.1 Introduction to distributed algorithms on synchronous networks

4.2 The Consensus Protocol in continuous and discrete time

 

5 Formation Control

5.1 Introduction to formation control

5.2 Abstraction and Modeling of Formations

5.3 Formation Control for robots with linear dynamical model

5.4 Formation Control for unicycle

4.5 Coverage Problem

 

6 Robotics simulation tools

6.1 Matlab to simulate distributed robotic systems

6.2 Introduction to Robotics Operating System (ROS)

Bibliografia e materiale didattico
  • Bruno Siciliano, Lorenzo Sciavicco, Luigi Villani, Giuseppe Oriolo "Robotics, modelling, planning and control", Springer.

  • Stephen M. LaValle, "Motion Planning Algorithms", Cambridge University Press, 2006.

  • Mehran Mesbahi & Magnus Egerstedt, "Graph Theoretic Methods in Multiagent Networks", Princeton University Press, Princeton, NJ, Sept. 2010. 

  • Nancy Lynch, "Distributed Algorithms" Elsevier, Morgan Kaufmann, 1996.

 

Bibliography
  • Bruno Siciliano, Lorenzo Sciavicco, Luigi Villani, Giuseppe Oriolo "Robotics, modelling, planning and control", Springer.

  • Stephen M. LaValle, "Motion Planning Algorithms", Cambridge University Press, 2006.

  • Mehran Mesbahi & Magnus Egerstedt, "Graph Theoretic Methods in Multiagent Networks", Princeton University Press, Princeton, NJ, Sept. 2010. 

  • Nancy Lynch, "Distributed Algorithms" Elsevier, Morgan Kaufmann, 1996.
Indicazioni per non frequentanti

 Nessuna variazione.

Non-attending students info

N/A

Modalità d'esame

L’esame consiste in una prova orale articolata in uno o più esercizi da svolgere autonomamente ed in una o più domande cui rispondere oralmente interagendo con la commissione.

In aggiunta o in alternativa alla prova orale, l’esame consiste nella valutazione dei risultati di approfondimento mediante esposizione di  tavole o di progetti proposti e svolti dai candidati.

Assessment methods

The final exam consists of an oral exam articulated in one or more exercises to be performed autonomously; and in one or more questions to answer orally interacting with the commission.

In addition or as an alternative to the oral examination, the examination consists in evaluating the results of the topics chosen by the student and analyzed in detail applying the tools learned.

Updated: 02/03/2021 10:26