Percezione Robotica

Paolo Dario  

Presentare la Robotica Avanzata come dominio applicativo per l’Informatica, con particolare riferimento alle problematiche della percezione artificiale e della coordinazione senso-motoria Identificare gli strumenti informatici di applicazione in robotica e presentare casi applicativi concreti

Il corso introduce la bioingegneria e la robotica antropomorfa e fornisce le conoscenze di base sul sistema nervoso umano, con particolare riferimento ai sistemi sensoriali visivo e tattile ed all'elaborazione dei dati sensoriali per la determinazione di schemi motori, come riferimento per l'applicazione in sistemi robotici. Il corso fornisce poi fondamenti di robotica, di percezione artificiale, fusione sensoriale, e di schemi di controllo, di supervisione, di elaborazione dei dati sensoriali e della coordinazione senso-motoria nei robot, e di cooperazione uomo-robot.
Il corso si articola su lezioni teoriche ed esercitazioni nei laboratori della Scuola Superiore Sant’Anna

A. Modulo introduttivo

• Introduzione alla bioingegneria ed alla robotica antropomorfa

B. Modulo di Percezione Artificiale

• Cenni sui sistemi di percezione biologici
  • sistemi nervosi reali e artificiali (I)
  • il neurone reale e quello artificiale (modelli di McCulloch&Pitts e di Arbib)
  • il sistema nervoso centrale: corteccia, cervelletto e meccanismi basilari di apprendimento
  • il sistema sensoriale: sistema visivo, sistema uditivo, sistema tattile
• Sistemi sensoriali artificiali antropomorfi e non antropomorfi
  • definizione di trasduttore e di sistema sensoriale
  • classificazione dei trasduttori e delle modalità sensoriali
  • requisiti fondamentali dei sensori
  • sensori di distanza e di prossimità: triangolazione, metodi basati sulla luce strutturata e sul tempo di volo, sensori induttivi, a effetto Hall, capacitivi, a ultrasuoni, ottici
• Tatto artificiale
  • quantità fisiche percepite attraverso il tatto
  • sensori tattili propriocettivi: encoder ottici relativi ed assoluti
  • sensori tattili esterocettivi: strain gauge e sensori di forza, sensori tattili binari ed analogici, array tattili pneumatici, digitali VLSI, piezoresistivi ed ottici, sensori termici, sensori dinamici
  • esempi di pelle artificiale e dita artificiali
  • fondamenti di elaborazione dell’informazione tattile: procedure esplorative e tecniche di base per il riconoscimento di oggetti
• Visione artificiale e tecniche di elaborazione delle immagini
  • formazione dell’immagine: principi di funzionamento dei dispositivi per l’acquisizione di immagini, definizioni di immagine digitalizzata, connettività e distanza
  • preelaborazione (early processing): alcune tecniche di filtraggio, rilevamento dei bordi e sogliatura
  • segmentazione: rilevamento e rappresentazione dei contorni e delle regioni
  • visione stereoscopica: principi fondamentali, algoritmo di Marr e Poggio

C. Modulo di Robotica

• Fondamenti di meccanica e controllo di robot
  • introduzione alla meccanica dei robot
  • cinematica di un braccio robotico: matrici di trasformazione, definizioni di spazio dei giunti e spazio cartesiano, problemi di cinematica diretta ed inversa
  • controllo dei manipolatori robotici: principi fondamentali, il VAL II del robot PUMA 256 come esempio di linguaggio di programmazione di un robot
• Cenni di navigazione robotica
  • problemi fondamentali della navigazione dei robot: rappresentazione dell’ambiente, pianificazione ed inseguimento di traiettorie, localizzazione
  • Mappe e rappresentazione dell'ambiente: Rappresentazione Geometrica (Occupancy grid, Descrizione geometrica), Rappresentazione Topologica
  • Tecniche di Pianificazione ed Inseguimento delle Traiettorie: Road Map, Campi di Potenziale
  • Tecniche di Localizzazione: Dead Reckoning, Tecniche di localizzazione basate su sistemi sensoriali (Laser, US, Visione);

D. Modulo di Architetture

• Cenni sui sistemi di coordinamento senso-motorio biologici
  • il cervelletto e discussione del suo modello CMAC
• Architetture di supervisione e controllo di robot
  • schema di base di un sistema di supervisione di robot
  • classificazione delle architetture per la supervisione di robot
  • caratteristiche principali delle architetture gerarchiche, reattive, ibride e distribuite
• Schemi di controllo/coordinamento antropomorfi e non antropomorfi
  • breve introduzione alle reti neurali: il perceptron, l’algoritmo di backpropagation
  • principi e definizione del Reinforcement Learning( RL) con reti neurali
  • controller robotici basati su reti neurali e reinforcement learning (I):
    • apprendimento di comportamenti intelligenti per una base robotica CARBOT: integrazione sensoriale (sensori fotoelettri

• King-sun Fu, Rafael C. Gonzalez, C.S. George Lee, “Robotica”, McGraw Hill, Capp.1,2,6,7,8
• James S. Albus, “Brains, Behavior, & Robotics”, BYTE Books, Subsidiary of McGraw Hill, Capp. 2-6

Il materiale è integrato da copie dei lucidi proiettati a lezione ed eventuali copie di articoli scientifici selezionati dai docenti, consegnate a lezione e disponibili presso la segreteria dell’ARTS Lab della Scuola Superiore Sant’Anna, via San Zeno 2.

Letture di approfondimento

• Stauttgard, “Robotics and AI”
• D. Ballard, C. Brown, “Computer vision”, Prentice hall
• Russel, “Tactile Sensing”, Prentice Hall
• D.A.Bradley, D. Dawson, N.C. Burd, A.J. Loader, "Mechatronics", Chapman and Hall, 1991
• J-C. Latombe, "Robot motion planning", Kluwer Academic Publishers, 1991
• L. Meeden, "An incremental approach to developing intelligent neural network controllers for robots", IEEE Transactions on Systems, Man, and Cybernetics, Vol.26, N°3, pp.474-485, giugno '96
• Rucci, Wray, Tononi, Edelman, "A robotic system emulating the adptive orienting behavior of the barn owl", Proc. of 1997 IEEE International Conference on Robotics and Automation
• H. Fagg, M. A. Arbib, "A model of primate visual-motor conditional learning", Journal of Adaptive Behavior, Summer 1992, Vol.1, N°1, pp.3-37
• Freeman F. and Skapura D. 1991 "Neural networks: algorithms, applications and programming techniques", Addison Wesley, pp.1-43, 89-106
• M.A. Arbib, "The Metaphorical Brain II: Neural Networks and Beyond", Wiley, New York, USA, 1989 (cap.2)

Scritto e orale