|
1021883 -
ROBOTICS II
(obiettivi)
Obiettivi generali
Il corso fornisce strumenti per l'analisi della dinamica dei robot manipolatori, per l'uso della ridondanza cinematica, per il comando in feedback dei movimenti, incluso il caso di asservimento visuale, e per il controllo dell'interazione con l'ambiente.
Obiettivi specifici
Conoscenza e comprensione:
Lo studente apprenderà i metodi per la modellistica dinamica dei manipolatori, le tecniche di utilizzo della ridondanza cinematica, la progettazione di schemi di controllo del moto e dell'interazione con l'ambiente.
Applicare conoscenza e comprensione:
Lo studente sarà in grado di analizzare la dinamica dei manipolatori robotici e di progettare algoritmi e moduli per il controllo del moto libero e delle forze di contatto con l'ambiente.
Capacità critiche e di giudizio:
Lo studente sarà in grado di individuare le caratteristiche dinamiche di un sistema robotico con riferimento al tipo di compito,
di analizzarne la complessità di realizzazione, le possibili prestazioni e le eventuali debolezze.
Capacità comunicative:
Il corso mette in grado lo studente di presentare le problematiche avanzate e le relative soluzioni tecniche riguardanti l'uso dei robot in condizioni dinamiche.
Capacità di apprendimento:
Il corso mira a creare attitudini di apprendimento autonomo orientate all'analisi e alla soluzione di problemi avanzati connessi all'uso dei robot.
|
6
|
ING-INF/04
|
24
|
36
|
-
|
-
|
Attività formative caratterizzanti
|
ENG |
|
1023325 -
VISION AND PERCEPTION
(obiettivi)
OBIETTIVI GENERALI
Il corso vuole introdurre lo studente ai concetti fondamentali della visione artificiale e alla costruzione di sistemi autonomi di interpretazione e ricostruzione di una scena tramite immagini e video. Il corso affronta elementi di base di geometria proiettiva ed epipolare, i metodi per la visione 3d e per la visione basata su più viste, e i metodi per la ricostruzione metrica e le metodologie di interpretazione di immagini e video. Inoltre il corso illustra le tecniche principali per il riconoscimento e la segmentazione di immagini e video basati sull’ apprendimento automatico.
OBIETTIVI SPECIFICI
Conoscenza e Comprensione
Il corso stimola la curiosità degli studenti verso nuove metodologie per l’analisi e la generazioni di immagini
e di video. Lo studente apprende nuovi concetti che gli permettono di acquisire una conoscenza di base della
visione computazionale.
Applicare Conoscenza e Comprensione
Gli studenti approfondiscono e apprendono linguaggi di programmazione per applicare la conoscenza acquisita.
In particolare approfondiscono il linguaggio Python ed apprendono Tensorflow. Quest’ ultimo offre agli studenti
la possibilità di programmare applicazioni di deep learning. Usano questa nuovissima tecnologia per realizzare
un progetto di riconoscimento di elementi specifici in immagini e video.
Capacità critiche e di Giudizio
Lo studente acquisisce la capacità di distinguere tra ciò che può realizzare con gli strumenti che ha appreso,
come ad esempio generare delle immagini o riconoscere degli oggetti usando tecniche di deep learning,
e ciò che è effettivamente richiesto per la realizzazione di un sistema automatico di visione.
In tal modo è in grado di elaborare un giudizio critico sui sistemi di visione disponibili allo stato
dell’arte e di valutare ciò che si può effettivamente realizzare e ciò che richiede ulteriori avanzamenti
nella ricerca.
Capacità Comunicative
La realizzazione del progetto, come parte del programma di esame, richiede che lo studente lavori e dia un
contributo all’ interno di un piccolo gruppo di lavoro. Questo insieme alla soluzione di esercizi in classe,
e alle discussioni sui temi più interessanti stimola le capacità comunicative dello studente.
Capacità di Apprendimento
Oltre alle classiche capacità di apprendimento fornite dallo studio teorico del materiale didattico,
le modalità di svolgimento del corso, in particolare le attività progettuali, stimolano lo studente
all'approfondimento autonomo di alcuni argomenti presentati nel corso, al lavoro di gruppo, e all'applicazione
concreta delle nozioni e delle tecniche apprese durante il corso.
-
PIRRI ARDIZZONE MARIA FIORA
( programma)
Prima parte del corso: ricostruzione 3D e visione computazionale
Lunedi, 4 marzo Introduzione al corso Szeliski CH 1 - Tutorial: Gestione delle immagini di base Python, Solem book, Image Formation, Filtering e Features
Mercoledi, Marzo, 6 Telecamere e Ottica Szeliski CH 2 - Tutorial: Installare TensorFlow
Lunedi, 11 marzo Elaborazione delle immagini Szeliski CH 3.1-3.4 - Descrittori di immagini locali, quaderno di esercizi
Mercoledi, Marzo, 13 Elaborazione delle immagini Szeliski CH 3.5-3.7 - Tutorial: Introduzione a Tensorflow (Cookbook II Edition)
Lunedi, Marzo, 18 Feature Detection Szeliski 4 Immagine 2 mappatura dell'immagine. Esercizi: Solem Book, Camera, Epipolar Geom, Motion
Mercoledi 20 marzo Geometria e trasformazioni, Hartley & Zissermann CH 3 - Tutorial: The Tensorflow Way (Ch 2, Cookbook)
Lunedì 25 marzo Camera Geometry Hartley & Zissermann CH6-7, Modelli di fotocamere e realtà aumentata, Solem
Mercoledì 27 marzo Epipolar Geom e matrice fondamentale Hartley & Zissermann CH 9 Szeliski CH 11 Regressione lineare (libro di ricette Ch3)
Lunedì 1 aprile 3D Reconstruction, Hartley & Zissermann CH 10
Mercoledì 3 aprile Allineamento basato su feature, Szeliski CH 6, Metodi del vicino più vicino - Tutorial: (Ch 4, Ricettario)
Lunedi 8 aprile Struttura da movimento, Szeliski CH 7 Clustering Images, Solem
Mercoledi 10 aprile Dense Motion, Szeliski CH 8 - Tutorial: CNN (Ch 8 Cookbook), Recognition - Deep Vision
Lunedi, 15 aprile Fotografia computazionale, Szeliski CH10, Ricerca immagini, Solem
Mer, 17 aprile Riconoscimento, Szelinski CH14 - Tutorial: CNN Taking Tensorflow to Production (CH 10)
Lunedi, 22 aprile Nessuna lezione, vacanza
Mercoledì, 24 aprile Riconoscimento, Szeliski CH 14+ SOTA - Tutorial: CNN More With Tensorflow (CH 11)
Lunedi, 29 aprile Introduzione alla visione profonda, classificazione dell'immagine (8.1,8.2) Segmentazione dell'immagine, metodi variazionali
Mercoledì, 1 maggio Giornata internazionale dei lavoratori
Seconda parte del CORSO: Deep Vision: Generative Adversarial Networks
Lunedi, 6 maggio Modelli di Deep Gen Goodfellow et AL. Capitolo 20 - Tutorial: 20.1-20.9 https://github.com/tensorflow / models / tree / master / research / gan
Mercoledì 8 maggio Reti generative dirette Goodfellow etAL Chapter 20
20.10 https://github.com/tensorflow / models / tree / master / research / gan
Lunedi 13 maggio Campionamento Goodfellow etAL 20.11-20.15 https://github.com/tensorflow / models / tree / master / research / gan
Mercoledi 15 maggio Tutorial DCGAN Goodfellow NIPS https://github.com/PacktPublishing/Generative-Adversarial-Networks-Projects
Lunedi, 20 maggio GAN condizionale Mirza, Osindero https://github.com/zhangqianhui/Conditional-GAN
Mercoledi 22 maggio Stack GAN Zhang, Metaxas https://github.com/hanzhanggit/StackGAN
Lunedi, 27 maggio Pix2Pix Isola https://github.com/affinelayer/pix2pix-tensorflow
Mercoledi, 29 maggio Star GAN Choi Paper https://github.com/taki0112/StarGAN-Tensorflow
 1. Richard Szeliski, Computer Vision: Algorithms and Applications (Chapters: 1, 2, 3, 4, 6, 7, 8, 10, 14)
2. Richard Hartley & Andrew Zisserman MultiView Geometry in Computer Vision (Chapters: 2, 3, 6, 7, 10, 11)
3. Ian Goodfellow, Yoshua Bengio, and Aaron Courville. Deep learning (Chapter 20)
4. Jan Erik Solem Programming Computer Vision with Python (Exercises)
(Date degli appelli d'esame)
|
6
|
ING-INF/05
|
24
|
36
|
-
|
-
|
Attività formative caratterizzanti
|
ENG |
|
1044398 -
INTERACTIVE GRAPHICS
(obiettivi)
Obiettivi generali:
Far acquisire allo studente le basi della programmazione in grafica 3D con particolare enfasi sulle tecniche di animazione e visualizzazione interattiva. In particolare gli argomenti trattati includono: Fondamenti della grafica computerizzata, rendering interattivo e animazione, la pipeline grafica, trasformazioni, visualizzazioni, rasterizzazione, illuminazione e shading, texture-mapping, tecniche di animazione basate su keyframes, simulazioni fisiche, sistemi di particelle ed animazione di personaggi. Verrà inoltre fornita un’introduzione alla computazione su hardware specializzato per la grafica (GPGU).
Obiettivi specifici:
Far acquisire allo studente familiarità con le tecniche matematiche alla base della grafica 3D, oltre che la capacità di programmare ambienti complessi ed interattivi in grafica 3D usando la libreria OpenGL o una delle sue varianti
Conoscenza e comprensione:
Approfondimento del funzionamento di un sistema per la grafica 3D nelle sue componenti hardware e software. Conoscenza dello standard HTML5 e del linguaggio Javascript, applicazione della libreria WebGL e di alcune librerie di più alto livello. Comprensione delle problematiche di efficienza e qualità visiva delle applicazioni in grafica 3D
Applicare conoscenza e comprensione:
Sviluppo di applicazioni interattive sul web in grafica 3D.
Capacità critiche e di giudizio:
Capacità di comprendere le complessità tecniche nella realizzazione di applicazioni interattive in grafica 3D. Capacità di analisi critica delle soluzioni presenti sul mercato ed analisi di punti di forza e debolezza.
-
SCHAERF MARCO
( programma)
Il corso introdurrà gli studenti ai fondamenti matematici della modellazione e del rendering tridimensionale. Gli argomenti includono la rappresentazione delle immagini, le trasformazioni geometriche, curve e superfici, illuminazione e modelli di shading.
Usando queste rappresentazioni presenteremo due algoritmi di
visibilità: la rasterizzazione, includendo l'hardware specializzato, e il
raycasting. Costruendo su questi algoritmi di base, introdurremo i principi del rendering basato sulla fisica del trasporto della luce, per incrementare la
qualità delle immagini sintetiche e copriremo in dettaglio l'equazione del
rendering e gli algoritmi utilizzati per simularla - ad esempio distribution
raytracing, path tracing and photon mapping. Introdurremo inoltre i principi di animazione al calcolatore, discutendo come rappresentare deformazioni di
geometrie e come creare un semplice renderer real-time.
Interactive Computer Graphics with WebGL, Edward Angel, Dave Shreiner, Pearson Education, ISBN 978-1292019345, https://www.amazon.it/Interactive-Computer-Graphics-WebGL-Global/dp/1292019344/ref=tmm_pap_swatch_0?_encoding=UTF8&qid=1487488151&sr=8-1
(Date degli appelli d'esame)
|
6
|
ING-INF/05
|
24
|
36
|
-
|
-
|
Attività formative caratterizzanti
|
ENG |
Gruppo opzionale:
3 insegnamenti a scelta - (visualizza)
 |
18
|
|
|
|
|
|
|
|
|
1044387 -
FOUNDATION OF COMPUTER GRAPHICS
(obiettivi)
Far
acquisire allo studente le basi della programmazione in grafica 3D con
particolare enfasi sulle tecniche di animazione e visualizzazione interattiva. Oltre
alle basi matematiche della disciplina, lo studente acquisirà la capacità di
programmare ambienti complessi in grafica 3D usando la libreria OpenGL
|
6
|
INF/01
|
24
|
36
|
-
|
-
|
Attività formative affini ed integrative
|
ENG |
|
1022863 -
MEDICAL ROBOTICS
(obiettivi)
Fornire un’introduzione e una panoramica sull’uso delle tecnologie robotiche nell’ambito medico, con particolare riferimento alla chirurgia assistita.
Lo studente conoscerà i principali sistemi di chirurgia assistita da robot, delle problematiche inerenti alla progettazione di robot medicali e al loro controllo.
Lo studente sarà in grado di:
- leggere criticamente articoli che descrivano le principali tecnologie coinvolte nella robotica medica;
- discutere dettagliatamente lo stato dell'arte delle applicazioni robotiche in medicina;
- stimare i potenziali benefici derivanti dall'introduzione di tecniche robotiche in una procedura medica;
- argomentare sullo sviluppo di una particolare tecnologia non ancora esistente o non ancora sperimentata;
- comunicare e collaborare con persone di diversa formazione tecnica;
- valutare i vincoli clinici, sociali ed economici nella implementazione di una tecnologia robotica in un settore medico;
- progettare schemi di controllo per la teleoperazione di robot medicali e per l’esecuzione di compiti condivisi tra umani e robot.
-
VENDITTELLI MARILENA
( programma)
Introduzione: prospettiva storica; analisi delle principali funzioni chirurgiche: il punto di vista ingegneristico; descrizione di alto livello dei principali sistemi chirurgici assistiti da robot.
Classificazione dei sistemi chirurgici assistiti da robot.
Cinematica dei robot usati in chirurgia.
Controllo: controllo di sistemi semi-autonomi; controllo con vincoli imposti dalle tecniche di chirurgia mininvasiva; teleoperazione; controllo cooperativo e sistemi “hands-on”; "fixture" virtuali per il controllo condiviso.
Metodi di registrazione robotica.
Analisi dei sistemi chirurgici in uso: il sistema chirurgico da Vinci; il sistema Cyberknife per la radiochirurgia; il robot Acrobot per la chirurgia ortopedica; il sistema Robodoc per la chirurgia ortopedica; prototipi di ricerca.
Analisi di immagini mediche.
Asservimento visuale per applicazioni chirurgiche.
Esoscheletri: concetti introduttivi ed esempi.
----Testi consigliati: Articoli scientifici e slides preparate dal docente
(Date degli appelli d'esame)
|
6
|
ING-INF/04
|
24
|
36
|
-
|
-
|
Attività formative affini ed integrative
|
ENG |
|
1038141 -
NATURAL LANGUAGE PROCESSING
(obiettivi)
Knowledge and understanding
The student will understand the fundamentals of how to process natural language automatically at the different levels of morphology, syntax, and semantics. Machine translation and other applications will also be introduced.
Applying knowledge and understanding
The student will be able to use and implement systems that perform language modeling, morphological analysis, syntactic parsing, semantic analysis and machine translation.
|
6
|
INF/01
|
24
|
36
|
-
|
-
|
Attività formative affini ed integrative
|
ENG |
|
10592834 -
NEUROENGINEERING
(obiettivi)
* Obiettivi generali
Il corso introduce i principi base, le metodologie e le applicazioni delle tecniche ingegneristiche utilizzate per lo studio sistemi neurali e dell’interazione con essi.
* Obiettivi specifici
- Conoscenza e comprensione
Lo studente apprenderà le nozioni di base sul funzionamento e l’organizzazione a diverse scale del cervello umano, nonché le principali applicazioni dell’ingegneria e della tecnologia dell’informazione alle neuroscienze.
- Applicare conoscenza e comprensione
Lo studente apprenderà l’uso degli strumenti essenziali per acquisire, elaborare e decodificare i segnali neurofisiologici e neuromuscolari, e per il loro interfacciamento con dispositivi artificiali.
- Capacità critiche e di giudizio
Lo studente imparerà a scegliere la metodologia di controllo più appropriata per indirizzare uno specifico problema, e per valutare la complessità della soluzione proposta.
- Capacità comunicative
Lo studente imparerà a comunicare in un contesto multidisciplinare i principali problemi dell’interfacciamento di segnali neurofisiologici con un sistema artificiale, e ad argomentare le possibili scelte progettuali per lo scopo.
- Capacità di apprendimento
Le modalità di svolgimento del corso mirano a creare una forma mentis dello studente orientata all’autoapprendimento di concetti avanzati che non sono stati affrontati nel corso.
-
CINCOTTI FEBO
( programma)
Module II.
-----------
- Non-invasive measurement of bioelectrical signals: electroencephalography (EEG), electromyography (EMG)
- Characterization of the signals
- Fundamentals of biosignal interpretation
- Practical experience with acquisition hardware and analysis software
- Brain-Computer Interfaces
- Real-time biosignal processing, feature extraction and translation
- Applications in the neurorehabilitation domain
- Practical experience and projects
- Stimulation of the human nervous and muscular systems: Transcranial Magnetic Stimulation (TMS), Functional Electrical Stimulation (FES)
- Seminars:
Experts in the field of neuroengineering will be invited to give seminars on methodological or applicative topics. The program is still to be defined.
Possible topics:
- On the use of Brain-Computer Interfaces in rehabilitation after brain stroke
- Restoring motor and somatosensory functions through neural robotic prostheses
- ...
See also the course website:
https://sites.google.com/uniroma1.it/neuroengineering
Books
- Wolpaw J and Wolpaw E (eds.), Brain-Computer Interfaces, Oxford University Press, 2012. ISBN 9780195388855 / 9780199921485
Handouts
- Course notes and scientific articles will be distributed by the teachers during the semester.
See also the course website:
https://sites.google.com/uniroma1.it/neuroengineering
(Date degli appelli d'esame)
-
ASTOLFI LAURA
( programma)
Module I
Anatomy and physiology of the neural cell
Generation of neural electrical and metabolic correlates
Neural encoding and decoding
Principles of the brain organization, natural neural networks, different levels of organization
Network neuroscience - basic definitions (synchronicity, causality, influence)
Model-free (data driven) vs model-based (biologically inspired) models of the brain as a complex system
Analysis of brain networks at different scales (cellular and synaptic, cognitive neuroscience, behavioral neuroscience, multi-subject systems)
Examples of application to clinical and physiological problems
Seminars
Experts in the field of neuroengineering will be invited to give seminars on methodological or applicative topics. The program is still to be defined.
Possible topics:
Study of the neural basis of social behavior and its pathological alterations
...
Hari R, Puce A, MEG-EEG primer, Oxford Press, 2017, ISBN: 9780190497774
Course notes and scientific articles will be distributed by the teachers during the semester.
See also the course website:
https://sites.google.com/uniroma1.it/neuroengineering
|
6
|
ING-INF/06
|
24
|
36
|
-
|
-
|
Attività formative affini ed integrative
|
ENG |
|
