Obiettivi formativi
Il corso si propone di fornire agli studenti elementi teorici e operativi per la progettazione di sistemi robotici. Il corso prevede la presentazione di nozioni metodologiche di base, lo sviluppo di argomenti avanzati anche attraverso seminari specifici, e lo svolgimento di esercitazioni di laboratorio.
Prerequisiti
Robotica Industriale. Fondamenti di programmazione e sviluppo software in ambiente C/C++/Unix.
Nozioni relative al progetto logico ed alle metodologie di controllo.
Contenuti dell'insegnamento
- Terminologia e classificazione dei sistemi robotici
- Sensorialità e percezione
- Estrazione di features
- Metodi avanzati di percezione tridimensionale
- Architetture di controllo dei robot
- Spazio delle configurazioni e pianificazione del moto
- Teleoperazione robotica
- Interazione uomo-robot
- Sistemi aptici
- Sistemi di presa robotici, grasping e manipolazione
- Tecniche di programmazione mediante dimostrazione
- Apprendimento induttivo o con rinforzo dei compiti
- Navigazione di robot mobili
- Comportamenti robotici
- Metodi probabilistici per la stima dello stato del sistema robot-ambiente
- Problemi di Localizzazione, Mapping e SLAM
Programma esteso
1. Introduzione e classificazione dei sistemi robotici (2 ore)
1.1 Storia della Robotica.
1.2 Classificazione dei sistemi robotici.
2. Sensorialità e percezione (2 ore)
2.1 Caratterizzazione e tassonomia dei sensori.
2.2 Percezione.
2.3 Algoritmi di estrazione di caratteristiche.
3. Architetture di controllo dei robot (4 ore)
3.1 Paradigmi nelle architetture robotiche.
3.2 Paradigma gerachico o deliberativo.
3.2.1Pianificazione logica (STRIPS).
3.3 Paradigma reattivo.
3.3.1 Architettura Subsumption.
3.3.2 Archiettura Motor Schema.
3.4 Paradigma ibrido.
4. Pianificazione del moto (8 ore)
4.1 Richiami sulle trasformazioni geometriche. Quaternioni.
4.2 Introduzione agli algoritmi di pianificazione del moto. Algoritmi Bug.
4.3 Algoritmi basati sulla scomposizione in celle.
4.4 Algoritmi basati su campi di potenziale.
4.5 Algoritmi basati su Roadmap.
4.6 Algoritmi probabilistici (PRM,RRT)
5. Teleoperazione robotica. Interazione uomo-robot. (2 ore)
6. Interfacce aptiche. Manipolazione e grasping. (2 ore)
7. Apprendimento (4 ore)
7.1 Apprendimento con rinforzo.
7.2 Apprendimento per imitazione.
7.2.1 Tecniche basate su grafo di precedenza.
7.2.2 Tecniche basate su Modelli di Markov Nascosti (HMM)
7. Navigazione. (2 ore)
7.1 Modello uniciclo e cenni alla pianificazione.
7.2 Navigazione e architetture.
7.3 Algoritmi di navigazione (VFH, Dynamic Window).
8. Paradigma probabilistico e problemi di localizzazione e mapping (6 ore)
8.1 Paradigma probabilistico nella Robotica.
8.2 Richiami di teoria della probabilità. Criteri ML e MAP.
8.3 Filtri bayesiani. Metodi Montecarlo.
8.4 Filtro di Kalman. Derivazione. Extended Kalman Filter (EKF).
8.5 Problemi di localizzazione, mapping, SLAM.
8.5.1 EKF localization and EKF SLAM
8.5.2 Classificazione delle mappe.
8.5.3 Associazione di dati basata su validation gate.
Esercitazioni
1. Introduzione a ROS. Acquisizione da sensore laser scanner e videocamera di profondità. Caratterizzazione statistica dei sensori.
2. Introduzione all'ambiente di programmazione OpenRAVE (Open Robotics Automation Virtual Environment).
3. Programmazione physics-based. Introduzione alla libreria ODE (Open Dynamics Engine).
4. Utilizzo della piatraforma robotica Pioneer 3DX. Controllo del robot con ROS. Realizzazione di comportamenti robotici.
5. Elaborazione di point cloud tramite Point Cloud Library (PCL).
Bibliografia
* H. Choset, K. M. Lynch, S. Hutchinson, G. Kantor, W. Burgard, L. E. Kavraki
and S. Thrun, “Principles of Robot Motion”, The MIT Press, 2005.
* R. Siegwart, I.R. Nourbakhsh, "Autonomous Mobile Robots", MIT Press.
* R. Murphy: "Introduction to AI Robotics", MIT press, 2000.
* R. Arkin, "Behavior-Based Robotics", MIT Press, 1998.
* H.R. Everett, "Sensors for mobile Robots", A.K. Peters, 1995.
* S. Thrun, W. Burgard and D. Fox, "Probabilistic Robotics", MIT press 2005.
* J.-C. Latombe, "Robot Motion Planning", Kluwer Academic Pub., 1991.
* S.M. LaValle, "Planning Algorithms", Cambridge University Press, 2006, http://planning.cs.uiuc.edu/.
Metodi didattici
Il corso viene svolto alternando lezioni in aula ed esercitazioni in laboratorio.
Nelle lezioni in aula vengono presentati i concetti e le metodologie specifiche della disciplina.
Le esercitazioni in laboratorio permettono di verificare alcuni dei metodi e degli argomenti del corso.
Modalità verifica apprendimento
Prova scritta, valutazione di assegnamenti svolti durante il corso e progetto finale.
Altre informazioni
Il materiale didattico e di supporto alle lezioni ed alle esercitazioni è disponibile sul sito lea.unipr.it.
