Informatica > Intelligenza artificiale e robotica


http://airlab.ws.dei.polimi.it/

Focus

Il gruppo di ricerca integra le attività di ricercatori che lavorano su temi di ricerca che riguardano Intelligenza Artificiale, Robotica Autonoma, Machine Learning, Visione Artificiale e gli aspetti filosofici relativi.

Intelligenza Artificiale
La linea di ricerca sta lavorando principalmente su tematiche legate a sistemi di agenti autonomi e multi-agente. Una delle questioni di interesse riguarda lo sviluppo di concetti di soluzione e dei meccanismi di cooperazione per l'interazione di agenti razionali in grado di essere applicati a diverse situazioni del mondo reale dove la presenza di decisori distribuiti è opportuna o necessaria.

Robotica Autonoma
Per aumentare la diffusione dei robot autonomi nel mondo reale, siano questi robot di servizio o veicoli autonomi, uno dei problemi aperti riguarda la possibilità di eseguire compiti in modo da soddisfare vincoli di mercato che implicano l'affidabilità, la sicurezza, l'auto-sufficienza e il rapporto costo/efficacia, tra gli altri. L’avvento della Robotica nel mondo reale richiede di realizzare l'autonomia in termini di robustezza, affidabilità e gestione dell’incertezza nell'intero processo che va dalla percezione all'azione. La percezione robusta, una ricca e autonoma modellazione del mondo, la pianificazione in condizioni di incertezza, l'interazione e l'apprendimento sono gli aspetti chiave che sono affrontati dalla ricerca del gruppo. Nell’ottica di valutare in modo oggettivo i risultati di ricerca ottenuti per rendere i robot autonomi, ci siamo focalizzati sugli aspetti metodologici e tecnologici per il benchmarking e la valutazione di robot autonomi.

Visione Artificiale
L’analisi visiva di scene complesse, dove l'essenza degli oggetti presenti non può essere catturata dai modelli puramente geometrici, è una delle sfide più difficili nella ricerca presente e futura. Data la quantità di strumenti matematici disponibili, parte dello sforzo di ricerca del gruppo è volto a individuare le sottili approssimazioni/semplificazioni che rendono un problema trattabile e a generalizzare le diverse configurazioni. Nella comprensione di scene complesse il prossimo passo sarà quello di dare significato a quanto si percepisce, anche in termini cognitivi.

Machine Learning
L’apprendimento per rinforzo nasce come approccio bio-ispirato per consentire agli agenti/robot di raggiungere autonomamente comportamenti complessi in ambienti sconosciuti. Attualmente, il settore sta raggiungendo uno stato maturo e sta fornendo soluzioni efficaci per molte applicazioni reali che sono troppo complesse per altri tipi di approcci.
In una prospettiva più biologicamente orientata, altri tipi di apprendimento hanno acquisito importanza nella modellazione di architetture neuronali. In questo caso, l'apprendimento ha spesso un ruolo nel definire parametri interni del robot, o talvolta nel fare associazioni in spazi diversi.

Filosofia della scienza applicata all’Intelligenza Artificiale e alla Robotica
Negli ultimi anni l'attenzione di molti ricercatori, compresi alcuni del gruppo di ricerca, si è focalizzata su questioni più specifiche (anche etiche), che emergono dalla pratica dell’intelligenza artificiale e della robotica. Inoltre, alcune discussioni all'interno dell’intelligenza artificiale e della robotica sono state generalizzate all’intero campo dell'informatica e dell'ingegneria, dando vita ad una nuova area di ricerca chiamata Filosofia della Scienza Informatica.

Risutati principali della ricerca


Comunicazione, norme e strategie nell’interazione multi-agente
Le interazioni strategiche nei sistemi multi-agente sono state studiate rispetto alla loro progettazione e conformità normativa, e rispetto alla comunicazione fra gli agenti. La progettazione strategica quando gli agenti sono razionali è studiata ricorrendo a strumenti di microeconomia e della teoria algoritmica dei giochi. La comunicazione fra gli agenti viene affrontata nel contesto di una serie di istituzioni, utilizzate per specificare sia la semantica dei messaggi sia le norme che regolano l'interazione.

Metodi di intelligenza computazionale per la predizione di proprietà biologiche da strutture chimiche
Abbiamo sviluppato una famiglia di architetture di sistemi ibridi, che combinano regole e tecniche di Soft Computing per la predizione di tossicità e la scoperta di nuovi farmaci. Abbiamo progettato nuovi metodi di data mining per ricavare le informazioni strutturali direttamente da SMILES per la costruzione di modelli statistici. Abbiamo istituito il sito web internazionale http://vega-QSAR.eu, con gli sviluppatori e le autorità di USA, Regno Unito e Italia.

Intelligenza computazionale e giochi
La nostra ricerca si concentra sullo sviluppo di strumenti di intelligenza computazionale per supportare i progettisti e gli sviluppatori nella generazione automatica di contenuti di alta qualità, sulla base del feedback fornito da un gruppo di esperti o utenti.

Calcolo genetico ed evolutivo
Sono stati sviluppati metodi evolutivi per risolvere i problemi in una vasta gamma di applicazioni tra cui, l'apprendimento automatico, hardware-software co-design e test del software. Abbiamo inoltre studiato i meccanismi alla base dell'evoluzione artificiale e introdotto metodi per migliorare lo stato attuale dell’arte nell’apprendimento basato su meccanismi genetici e sull’ottimizzazione numerica.

Apprendimento automatico nel mondo reale
Il gruppo di ricerca ha una forte tradizione nell'apprendimento automatico, sia dal punto di vista teorico sia da quello applicativo, che ha portato ad applicazioni di successo di diverse tecniche di apprendimento: gestione delle risorse naturali, analisi di sensibilità di frana, interfacce cervello-computer (BCI), sistemi di trasporto intelligenti, controllo delle sospensioni semi-attive, stadiazione e analisi del sonno, interazione affettiva, modellazione utente, robotica.

Localizzazione, mappatura ed esplorazione per robot mobili
Una corretta percezione e modellazione dell'ambiente circostante è una componente chiave per i robot autonomi. Abbiamo raggiunto progressi significativi nella costruzione autonoma di mappe e nella modellazione del mondo per sistemi singoli e multi-robot, utilizzando telemetri laser e sistemi di visione. Inoltre, sono state proposte un certo numero di tecniche per l’esplorazione autonoma di ambienti.

Robot autonomi
Abbiamo implementato diversi robot autonomi tra cui una sedia a rotelle robotica che può essere guidata con interfacce diverse (tra cui le interfacce miografiche e interfacce cervello-computer), robot autonomi per giocare con persone, robot per l'interazione emotiva, veicoli all-terrain (in collaborazione con il laboratorio MERLIN) e robot autonomi volanti.

Robot come (e per) sistemi biologici
Abbiamo sviluppato robot umanoidi che incorporano architetture e controlli bio-ispirati. Alcuni dei nostri sistemi utilizzano un approccio esclusivamente neurale alle architetture cognitive. Abbiamo studiato anche l'organizzazione umana neurale e neuromuscolare per la progettazione di dispositivi in grado di imitare la cognizione e il controllo umano. Le applicazioni sono principalmente nella robotica e nelle protesi di riabilitazione, dove abbiamo sviluppato un controllo basato su EMG.

Calibrazione, localizzazione e odometria utilizzando telecamere catadiottriche
Sono state studiate nuove proprietà geometriche di telecamere catadiottriche non centrali che hanno portato a sviluppare tecniche per localizzare linee rette e sfere da singole immagini calibrate catadiottriche, così come una tecnica per odometria visuale e ricostruzione del piano del terreno da immagini non calibrate.

Questioni fondamentali in informatica e ingegneria
Il gruppo di ricerca ha esaminato alcune questioni fondamentali in informatica e ingegneria con particolare attenzione allo status e al ruolo degli esperimenti e delle simulazioni al computer usati come esperimenti e ai rapporti tra ingegneria informatica e filosofia.

Benchmarking e Standardizzazione di Robot e Sistemi Autonomi
Il gruppo di ricerca ha collaborato fin dalla sua fondazione allo Special Interest Group di Euron su Good Experimental Methodologies and Benchmarking; oltre a contribuire alla stesura delle linee guida del gruppo di lavoro sulla revisione di articoli scientifici. I componenti del gruppo di ricerca hanno coordinato (FP6 – RAWSEEDS http://www.rawseeds.org
) e partecipano (FP7 – RoCKIn http://rockinrobotchallenge.eu/) a progetti per lo sviluppo di metodi e tecnologie per il benchmarking di robot autonomi oltre a partecipare ad alcuni gruppi dell’IEEE per la standardizzazione di mappe ed ontologie per robot autonomi.