MOBILE ROBOTS FOR CRITICAL MISSIONS

Internazionalizzazione della Didattica MOBILE ROBOTS FOR CRITICAL MISSIONS

0622700103
DIPARTIMENTO DI INGEGNERIA DELL'INFORMAZIONE ED ELETTRICA E MATEMATICA APPLICATA
CORSO DI LAUREA MAGISTRALE
INGEGNERIA INFORMATICA
2021/2022



ANNO CORSO 2
ANNO ORDINAMENTO 2017
SECONDO SEMESTRE
CFUOREATTIVITÀ
324LEZIONE
324LABORATORIO
Obiettivi
LO SCOPO DELL’INSEGNAMENTO E QUELLO DI FORNIRE GLI ELEMENTI ARCHITETTURALI, METODOLOGICI E PROGETTUALI PER LA REALIZZAZIONE DI ROBOT INTELLIGENTI IN GRADO DI MUOVERSI IN MODO AUTONOMO IN AMBIENTI INDOOR. IN PARTICOLARE, IL CORSO SI FOCALIZZA SUGLI ASPETTI RELATIVI ALLA RAPPRESENTAZIONE DELLA MAPPA, ALLA CREAZIONE DELLA MAPPA, ALLA LOCALIZZAZIONE DEL ROBOT, SUGLI ALGORITMI DI NAVIGATION E DI OBSTACLE AVOIDANCE.

CONOSCENZE E CAPACITA DI COMPRENSIONE
NELL’INSEGNAMENTO VENGONO TRATTATE LE METODOLOGIE PER CONSENTIRE LA MOVIMENTAZIONE AUTONOMA DEL ROBOT IN AMBIENTI INDOOR, PER CUI LA MAPPA E GLI ELEMENTI PRESENTI ALL’INTERNO DELLA SCENA (ES: OSTACOLI) E LA RELATIVA POSIZIONE NON SONO NOTI A PRIORI.

CONOSCENZA E CAPACITA DI COMPRENSIONE APPLICATE
VIENE SVILUPPATA LA CAPACITA DI PROGETTARE E REALIZZARE SOLUZIONI A PROBLEMI DI ROBOTICA INTELLIGENTE MEDIANTE LA SCELTA E L’APPLICAZIONE DELLE METODOLOGIE PRESENTATE E UTILIZZANDO GLI AMBIENTI SOFTWARE E I SISTEMI OPERATIVI SPECIFICI PER LA ROBOTICA.
Prerequisiti
PER IL PROFICUO RAGGIUNGIMENTO DEGLI OBIETTIVI PREFISSATI È RICHIESTA LA CONOSCENZA DEL LINGUAGGIO C E DEL LINGUAGGIO PYTHON.
Contenuti
INTELLIGENT ROBOT SYSTEMS: INTRODUZIONE AL CORSO
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 4/0/0)


SISTEMA OPERATIVO PER LA ROBOTICA ROS (ROBOT OPERATING SYSTEM): INTRODUZIONE AL FRAMEWORK ROS; GAZEBO: 3D ROBOTIC SIMULATOR; TF TRANSFORMATION SYSTEM, ROBOT MODELS BASATO SU UNIFIED ROBOT DESCRIPTION FORMAT (URDF); RVIZ: 3D VISUALIZATION TOOL PER ROS.
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 4/2/2)

MAP REPRESENTATION, LOCALIZATION: MARKOV LOCALIZATION, KALMAN FILTER, EXTENDED KALMAN FILTER, PARTICLE FILTERING. SLAM, EKF SLAM. SIMULAZIONE IN GAZEBO AND CON TURTLEBOT ROBOT IN AMBIENTE REALE
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 12/6/2)

ALGORITMI DI NAVIGATION (A*, DIJKSTRA) E OBSTACLE AVOIDANCE (BUG1, BUG2). SIMULAZIONE IN GAZEBO AND CON TURTLEBOT ROBOT IN AMBIENTE REALE
(ORE LEZIONE/ESERCITAZIONE/LABORATORIO 8/6/2)

TOTALE ORE LEZIONE/ESERCITAZIONE/LABORATORIO 28/14/6
Metodi Didattici
L’INSEGNAMENTO CONTEMPLA LEZIONI TEORICHE, ESERCITAZIONI IN AULA ED ESERCITAZIONI PRATICHE DI LABORATORIO. NELLE ESERCITAZIONI IN AULA VENGONO ASSEGNATI AGLI STUDENTI, SIA INDIVIDUALMENTE CHE DIVISI PER GRUPPI DI LAVORO, DEI PROGETTO DA SVILUPPARE UTILIZZANDO I CONTENUTI DELL’INSEGNAMENTO. I PROGETTI SONO STRUMENTALI, OLTRE ALL’ACQUISIZIONE DELLE COMPETENZE E ABILITÀ SUI CONTENUTI DELL’INSEGNAMENTO, ANCHE A SVILUPPARE E RAFFORZARE LE CAPACITÀ DI LAVORARE IN TEAM. NELLE ESERCITAZIONI IN LABORATORIO GLI STUDENTI IMPLEMENTANO I PROGETTI ASSEGNATO UTILIZZANDO ROS.
PER POTER SOSTENERE LA VERIFICA FINALE DEL PROFITTO E CONSEGUIRE I CFU RELATIVI ALL’ATTIVITÀ FORMATIVA, LO STUDENTE DOVRÀ AVERE FREQUENTATO ALMENO IL 70% DELLE ORE PREVISTE DI ATTIVITÀ DIDATTICA ASSISTITA.
Verifica dell'apprendimento
LA PROVA DI ESAME È FINALIZZATA A VALUTARE NEL SUO COMPLESSO: LA CONOSCENZA E LA CAPACITÀ DI COMPRENSIONE DEI CONCETTI PRESENTATI AL CORSO; LA CAPACITÀ DI APPLICARE TALI CONOSCENZE PER LA RISOLUZIONE DI PROBLEMI DI PROGRAMMAZIONE CHE RICHIEDONO L’USO DI TECNICHE PER LA NAVIGAZIONE AUTONOMA DEL ROBOT; L’AUTONOMIA DI GIUDIZIO, LE ABILITÀ COMUNICATIVE E LA CAPACITÀ DI APPRENDERE.

LA PROVA SI ARTICOLA IN DUE FASI: UNA PRIMA CONSISTE IN UN COLLOQUIO ORALE E NELLA DISCUSSIONE DEI MID TERM PROJECTS SVOLTI DURANTE IL CORSO.UNA SECONDA FASE PREVEDE LA REALIZZAZIONE DI UN FINAL TERM PROJECT: GLI STUDENTI, DIVISI IN TEAM, DEVONO REALIZZARE UN SISTEMA FINALIZZATO AD UNA COMPETIZIONE TRA I VARI TEAM. SONO OGGETTO DI VALUTAZIONE LE SCELTE PROGETTUALI E METODOLOGICHE EFFETTUATE, INSIEME CON IL RISULTATO OTTENUTO DAL TEAM DURANTE LA COMPETIZIONE.LO SCOPO E’ QUELLO DI VALUTARE LE CONOSCENZE E LE CAPACITÀ DI COMPRENSIONE ACQUISITE, LA CAPACITÀ DI APPLICARE LE CONOSCENZE, L’AUTONOMIA DI GIUDIZIO E LA CAPACITÀ DI LAVORARE IN GRUPPO.

NELLA VALUTAZIONE FINALE, ESPRESSA IN TRENTESIMI, LA VALUTAZIONE DEI MID TERM PROJECTS E DEL COLLOQUIO ORALE PESERÀ PER IL 40%, MENTRE IL FINAL TERM PROJECT PESERÀ PER IL 60%. LA LODE POTRÀ ESSERE ATTRIBUITA AGLI STUDENTI CHE DIMOSTRINO DI SAPER APPLICARE LE CONOSCENZE ACQUISITE CON AUTONOMIA ANCHE IN CONTESTI DIVERSI DA QUELLI PROPOSTI NEL CORSO
Testi
INTRODUCTION TO AUTONOMOUS MOBILE ROBOTS. ROLAND SIEGWART, ILLAH R. NOURBAKHSH, A BRADFORD BOOK, THE MIT PRESS, 2004

MATERIALE DIDATTICO INTEGRATIVO SARà DISPONIBILE NELLA SEZIONE DEDICATA DELL'INSEGNAMENTO ALL'INTERNO DELLA PIATTAFORMA E-LEARNING DI ATENEO (HTTP://ELEARNING.UNISA.IT) ACCESSIBILE AGLI STUDENTI DEL CORSO TRAMITE LE CREDENZIALI UNICHE DI ATENEO
Altre Informazioni
L'INSEGNAMENTO E'EROGATO IN INGLESE
  BETA VERSION Fonte dati ESSE3
  • Didattica