COMPLEX ADAPTIVE SYSTEMS AND BIOROBOTICSModulo BIOROBOTICS
Anno accademico 2022/2023 - Docente: Paolo Pietro ARENARisultati di apprendimento attesi
Il modulo si prefigge di raggiungere i seguenti obiettivi, in linea con i descrittori di Dublino:
1.Conoscenza e capacità di comprensione:
Il corso riguarda le principali linee guida per comprendere, progettare e realizzare circuiti e sistemi non lineari bioispirati con capacità adattive. Esso comprende una parte sperimentale software/hardware di laboratorio. Il corso comprende inoltre le linee guida relative alla progettazione e realizzazione di modelli di neuro-controllo per robot biologicamente ispirati.
2. Capacità di applicare conoscenza e comprensione:
Gli studenti saraanno in grado di acquisire e applicare, in linea con il corso di laurea in Automation engineering, competrenze specifiche nell'ambito dell'analisi e del progetto di sistemi dinamici non lineari con particolare riferimento ai sistemi di tipo neurale bio-ispirato e artificiale, nonchè di applicare competenze emergenti nell'ambito del controllo di dinamiche complesse finalizate alla movimentazione; gli aspetti rilevanti riguardano altresi' la capacità di progettare e realizzare sistemi adattativi e di apprendimento per macchine innovative di tipo percettivo ispirate al cervello di alcuni esseri viventi presi come organismi-modello.
3. Autonomia di giudizio: gli studenti saranno in grado di saper scegliere la metodologia piu' adatta per la realizzazione di sistemi dinamici non lineari orientati alla movimentazione.
4. Abilità comunicativa:Gli sudenti sapranno comunicare gli esiti della loro formazione sia in lingu italiana che in lingua inglese, grazie alla specifica formazione impartita.
5. Capacità di apprendimento: gli studenti affineranno la capacità di apprendere ed elaborare concetti in relazione al progetto di dinamiche complesse orientate alla biorobotica direttamente sia dalle lezioni frontali che dal materiale fornito, tutto in lingua inglese, nmodo da potersi porre in maniera particolarmente vantaggiosa di fronte a colloqui di tipo laborativo, una volta raggiunto l'obiettivo della laurea.
Modalità di svolgimento dell'insegnamento
Lezioni frontali; esercitazioni e dimostrazioni con ausilio di strumenti multimediali, laboratorio
Prerequisiti richiesti
Si richiede un corso di base di Teoria dei Sistemi e di Controlli Automatici
A basic course of System Theory and Automatic Control is required.
Frequenza lezioni
La frequenza non è espressamente richiesta, ma altamente raccomandata.
Frequency is not strictly needed, but highly recommended
Contenuti del corso
Introduzione alla Biorobotica e agli aspetti interdisciplinari; studio approfondito delle dinamiche non lineari nei sistemi neurali biologici; modellistica del neurone biologico e studio nel piano delle fasi; modelli delle sinapsi e della loro modulazione; modelli computazionalmente efficienti delle reti neurali artificiali e biologiche; esempi di simulazione in riferimento a casi di studio. Paradigmi neurali biologici per la generazione ed il controllo di sistemi di locomozione; il Generatore Centrale di Pattern (CPG): studio approfondito e confronti in relazione ad animali presi come riferimento; implementazione dei paradigmi di controllo della locomozione tramite sistemi e circuiti non lineari (implementazione analogica e digitale); studio di esempi reali di robot biologicamente ispirati, controllati da modelli di reti neurali biologiche (implementazione di dinamiche ondulatorie “worm-like”, implementazione di reti CPG e controllori decentralizzati su robot esapodi, quadrupedi e bipedi). Il ruolo dei sistemi dinamici complessi nella modellistica e nel controllo di dinamiche percettive, con applicazione alla biorobotica: studio di dinamiche complesse per il controllo di sistemi percettivi per la biorobotica. Verso il modello computazionale del cervello di un robot insettoide.
Testi di riferimento
1. “Neuronal Control of Locomotion: From Mollusc to Man“, G. N. Orlovsky, T. G. Deliagina and S. Grillner;
2. “Dynamical Systems, Wave-Based Computation and Neuro-Inspired Robots”, P. Arena ed.
Programmazione del corso
| Argomenti | Riferimenti testi | |
|---|---|---|
| 1 | Introduction to Biorobotics and to its interdisciplinary aspects; detailed study on nonlinear dynamics in biological neural systems | dispense |
| 2 | biological neuron model and phase space analysis, models of synapses and of their modulation; | Dispense del docente |
| 3 | computational models for biological neural networks; simulation examples referring to cases of study; | Dispense del docente |
| 4 | biological neural paradigms for the generation and control of locomotion patterns: the Central Pattern Generator (CPG) and the decentralised control | LIbro 1 |
| 5 | implementation of the locomotion control paradigms through nonlinear circuits and systems (analog and digital implementation), | libro 2 |
| 6 | examples of bio inspired robots controlled by models of biological neural networks: implementation of undulatory worm-like locomotion patterns, | libro 2; dispense |
| 7 | implementation of CPG networks and decentralised controllers on hexapod, quadruped and biped robots. | libro 2; dispense |
| 8 | The role of complex dynamics in modelling and control of perceptual systems for biorobotic applications. Toward an insect brain computational model. | dispense |
Verifica dell'apprendimento
Modalità di verifica dell'apprendimento
E' prevista una prova orale e la discussione di una tesina facoltativa, svolta prevalentemente durante il periodo di lezione
Il colloquio orale verterà sulla discussione della eventuale tesina svolta dallo studente; seguiranno delle domande sui contenuti del corso. La valutazione verra' formulata sulla base della qualità del lavoro di tesina (se presentato) o sulla pertinenza, capacita' espressiva e rigore metodologico utilizzato dallo studente durante l'esposizione. La valutazione verrà effettuata in maniera organica, assieme al docente responsabile del modulo di Complex Adaptive Systems.
La verifica dell’apprendimento potrà essere effettuata anche per via telematica, qualora le condizioni lo dovessero richiedere.
In ogni caso, Il docente è disponibile anche a incontri di ricevimento in modalità telematica, previo appuntamento.
Esempi di domande e/o esercizi frequenti
Generatore centrale di pattern; modellistica e controllo della locomozione; dinamiche neurali; algoritmi di apprendimento in reti neurali biologiche;
Central Pattern Generator; locomotion modeling and control; neural dynamics; learning algorithms in biological networks