Specializzati nell'Industria 4.0, nell'Automazione dei Processi Industriali, negli Algoritmi di Pianificazione dei Robot e in molti altri contenuti creati da esperti di Robotica"

È innegabile che la Robotica abbia portato il progresso dell'industria a livelli inimmaginabili fino a pochi anni fa. Inoltre, è comune parlare di Machine Learning o Intelligenze Artificiali, campi in cui la robotica può espandersi per offrire soluzioni quasi futuristiche a problemi quotidiani o addirittura medici, con assistenti robotici in operazioni complesse.

Per gli ingegneri professionisti che operano in questo settore, tutto ciò rappresenta un'innegabile opportunità di crescita, in quanto troveranno una moltitudine di aree e progetti su cui concentrare la propria carriera. Dal campo puramente industriale alle tecnologie aerospaziali e ai programmi internazionali, un'adeguata specializzazione in Robotica può significare per l'ingegnere un salto di qualità quantitativo e qualitativo nella propria carriera professionale.

TECH ha riunito per questa qualifica un intero team di leader nel campo della robotica, con una vasta esperienza in numerosi progetti internazionali di grande prestigio e un curriculum accademico impeccabile. Questo profilo didattico fa sì che tutti i contenuti del Master abbiano un focus teorico-pratico unico, dove l'ingegnere non solo troverà gli ultimi sviluppi della robotica, dell'intelligenza artificiale e dei sistemi di comunicazione, ma anche l'applicazione pratica di tutte queste conoscenze in ambienti di lavoro reali.

Attraverso numerosi video di approfondimento, letture complementari, video riassuntivi ed esercizi di autoconoscenza, l'ingegnere otterrà una visione globale e specialistica dello stato attuale della Robotica, potendo inserire nel proprio curriculum un programma che lo posizionerà come risorsa preziosa per qualsiasi azienda del settore. Con il vantaggio, inoltre, di poter gestire il Master secondo i propri ritmi, senza dover seguire lezioni o orari fissi di alcun tipo. L'insegnamento si svolge al 100% online e consente la flessibilità necessaria per combinarlo con l'attività personale e professionale più impegnativa.

Partecipa a un programma in cui sei tu a decidere come, dove e quando seguire un corso completo, senza dover sacrificare la tua vita personale o professionale per farlo"

Questo Master in Robotica possiede il programma più completo e aggiornato del mercato. Le caratteristiche principali del programma sono:

• Sviluppo di casi pratici presentati da esperti in Ingegneria Robotica
• Contenuti grafici, schematici ed eminentemente pratici che forniscono informazioni scientifiche e pratiche riguardo alle discipline essenziali per l’esercizio della professione
• Esercizi pratici che offrono un processo di autovalutazione per migliorare l'apprendimento
• Enfasi speciale sulle metodologie innovative
• Lezioni teoriche, domande all'esperto e/o al tutor, forum di discussione su questioni controverse e compiti di riflessione individuale
• Contenuti disponibili da qualsiasi dispositivo fisso o portatile provvisto di connessione a internet

Registrati subito e non perdere l'opportunità di saperne di più sull'applicazione della Robotica alle tecnologie di Realtà Virtuale e Aumentata, con sensori virtuali e applicazioni miste su cellulari"

Il personale docente del programma comprende rinomati specialisti dell'odontoiatria estetica e altre aree correlate, che forniscono agli studenti le competenze necessarie a intraprendere un percorso di studio eccellente.

I contenuti multimediali, sviluppati in base alle ultime tecnologie educative, forniranno al professionista un apprendimento coinvolgente e localizzato, ovvero inserito in un contesto reale.

La creazione di questo programma è incentrata sull’Apprendimento Basato sui Problemi, mediante il quale il professionista deve cercare di risolvere le diverse situazioni di pratica professionale che gli si presentano durante il corso. Lo studente potrà usufruire di un innovativo sistema di video interattivi creati da esperti di rinomata fama.

Dai una spinta alla tua carriera incorporando questo Master nella tua proposta di valore"

Padroneggia la Robotica più avanzata e moderna con argomenti dedicati esclusivamente a SLAM visiva, Visione Artificiale e Visual Servoing"

Il personale docente coinvolto nello sviluppo di tutti i programmi ha utilizzato la metodologia Relearning, favorendo un insegnamento progressivo e naturale per l'intero programma. Questo obiettivo viene raggiunto attraverso la ripetizione dei concetti chiave più importanti della robotica e dell'ingegneria avanzata, in modo che lo studente non debba dedicare lunghe ore di studio per acquisire queste conoscenze.

Hai a portata di mano la soluzione per indirizzare la tua carriera ingegneristica verso il campo della Robotica. Non esitare e iscriviti subito”

Modulo 1. Robotica: progettazione e modellazione di robot

1.1. Robotica e Industria 4.0

1.1.1. Robotica e Industria 4.0
1.1.2. Campi di Applicazioni e casi d'uso
1.1.3. Sottoaree di specializzazione in Robotica

1.2. Architetture hardware e software dei robot

1.2.1. Architetture hardware e tempo reale
1.2.2. Architetture software dei robot
1.2.3. Modelli di comunicazione e tecnologie Middleware
1.2.4. Integrazione software con il Robot Operating System (ROS)

1.3. Modellazione matematica dei robot

1.3.1. Rappresentazione matematica di solidi rigidi
1.3.2. Rotazioni e traslazioni
1.3.3. Rappresentazione gerarchica dello Stato
1.3.4. Rappresentazione distribuita degli stati in ROS (libreria TF)

1.4. Cinematica e dinamica di robot

1.4.1. Cinematica
1.4.2. Dinamica
1.4.3. Robot sottoattuati
1.4.4. Robot ridondanti

1.5. Modellazione e simulazione di robot

1.5.1. Tecnologie di modellazione robotica
1.5.2. Modellazione di robot con URDF
1.5.3. Simulazione di robot
1.5.4. Modellazione con il simulatore Gazebo

1.6. Robot manipolatori

1.6.1. Tipi di robot manipolatori
1.6.2. Cinematica
1.6.3. Dinamica
1.6.4. Simulazione

1.7. Robot mobili terrestri

1.7.1. Tipi di robot mobili terrestri
1.7.2. Cinematica
1.7.3. Dinamica
1.7.4. Simulazione

1.8. Robot mobili aerei

1.8.1. Tipi di robot mobili aerei
1.8.2. Cinematica
1.8.3. Dinamica
1.8.4. Simulazione

1.9. Robot mobili acquatici

1.9.1. Tipi di robot mobili acquatici
1.9.2. Cinematica
1.9.3. Dinamica
1.9.4. Simulazione

1.10. Robot bioispirati

1.10.1. Umanoidi
1.10.2. Robot con quattro o più gambe
1.10.3. Robot modulari
1.10.4. Robot con parti flessibili (Soft-Robotics)

Modulo 2. Agenti intelligenti. Applicazione dell'intelligenza Artificiale ai robot Softbots

2.1. Agenti Intelligenti e Intelligenza Artificiale

2.1.1. Agenti Intelligenti e Intelligenza Artificiale
2.1.2. Agenti intelligenti

2.1.2.1. Agenti hardware. Robot
2.1.2.2. Agenti software.Softbots

2.1.3. Applicazioni alla Robotica

2.2. Connessione cervello-algoritmo

2.2.1. Ispirazione biologica dell'Intelligenza Artificiale
2.2.2. Ragionamento implementato negli algoritmi. Tipologia
2.2.3. Spiegabilità dei risultati negli algoritmi di Intelligenza Artificiale
2.2.4. Evoluzione degli algoritmi fino a Deep Learning

2.3. Algoritmi di ricerca nello spazio delle soluzioni

2.3.1. Elementi di ricerca nello spazio delle soluzioni
2.3.2. Algoritmi per la ricerca di soluzioni a problemi di Intelligenza Artificiale
2.3.3. Applicazioni degli algoritmi di ricerca e ottimizzazione
2.3.4. Algoritmi di ricerca applicati all'Apprendimento Automatico

2.4. Apprendimento Automatico

2.4.1. Apprendimento automatico
2.4.2. Algoritmi di apprendimento supervisionato
2.4.3. Algoritmo di apprendimento non supervisionato
2.4.4. Algoritmi di apprendimento per rinforzo

2.5. Apprendimento supervisionato

2.5.1. Metodi di apprendimento supervisionato
2.5.2. Alberi decisionali per la classificazione
2.5.3. Macchine di supporto di vettori
2.5.4. Reti neuronali artificiali
2.5.5. Applicazioni dell'apprendimento supervisionato

2.6. Apprendimento non supervisionato

2.6.1. Apprendimento Non Supervisionato
2.6.2. Reti Kohonen
2.6.3. Mappe auto-organizzative
2.6.4. Algoritmo K-means

2.7. Apprendimento di rinforzo

2.7.1. Apprendimento di rinforzo
2.7.2. Agenti basati su processi di Markov
2.7.3. Algoritmi di apprendimento per rinforzo
2.7.4. Apprendimento per rinforzo applicato alla Robotica

2.8. Reti neuronali artificiali e Deep Learning

2.8.1. Reti neuronali artificiali. Tipologia
2.8.2. Applicazioni delle reti neurali
2.8.3. Trasformazione della Macchina Learning al Deep Learning
2.8.4. Applicazioni di Deep Learning

2.9. Inferenza probabilistica

2.9.1. Inferenza probabilistica
2.9.2. Tipi di inferenza e definizione del metodo
2.9.3. L'inferenza bayesiana come caso di studio
2.9.4. Tecniche di inferenza non parametrica
2.9.5. Filtri gaussiani

2.10. Dalla teoria alla pratica: sviluppare un agente robotico intelligente

2.10.1.  Inclusione di moduli di apprendimento supervisionato in un agente robotico
2.10.2. Inclusione di moduli di apprendimento per rinforzo in un agente robotico
2.10.3. Architettura di un agente robotico controllato dall'Intelligenza Artificiale
2.10.4. Strumenti professionali per l'implementazione di agenti intelligenti
2.10.5. Fasi di implementazione degli algoritmi di intelligenza artificiale negli agenti robotici

Modulo 3. La Robotica nell'automazione dei processi industriali

3.1. Progettazione di sistemi automatizzati

3.1.1. Architetture hardware
3.1.2. Controllori logici programmabili
3.1.3. Reti di comunicazione industriale

3.2. Progettazione elettrica avanzata I: automazione

3.2.1. Progettazione di quadri elettrici e simbologia
3.2.2. Circuiti di alimentazione e controllo. Armonici
3.2.3. Elementi di protezione e messa a terra

3.3. Progettazione elettrica avanzata II: determinismo e sicurezza

3.3.1. Sicurezza e ridondanza delle macchine
3.3.2. Relè e interruttori di sicurezza
3.3.3. PLC di sicurezza
3.3.4. Reti sicure

3.4. Prestazioni elettriche

3.4.1. Motori e servomotori
3.4.2. Inverter e regolatori di frequenza
3.4.3. Robotica industriale ad azionamento elettrico

3.5. Attuazione idraulica e pneumatica

3.5.1. Progettazione idraulica e simbologia
3.5.2. Progettazione pneumatica e simbologia
3.5.3. Ambienti ATEX nell'automazione

3.6. Trasduttori nella robotica e nell'automazione

3.6.1. Misurazione di posizione e velocità
3.6.2. Misurazione di forza e temperatura
3.6.3. Misura della presenza
3.6.4. Sensori per la visione

3.7. Programmazione e configurazione di controllori logici programmabili PLC

3.7.1. Programmazione PLC: LD
3.7.2. Programmazione PLC: ST
3.7.3. Programmazione PLC: FBD e CFC
3.7.4. Programmazione PLC: SFC

3.8. Programmazione e configurazione di apparecchiature in impianti industriali

3.8.1. Programmazione di azionamenti e controllori
3.8.2. Programmazione HMI
3.8.3. Programmazione di robot manipolatori

3.9. Programmazione e configurazione di apparecchiature informatica industriali

3.9.1. Programmazione di sistemi di visione
3.9.2. Programmazione SCADA/software
3.9.3. Configurazione di rete

3.10. Implementazione di automatismi

3.10.1. Progettazione di macchine a stati
3.10.2. Implementazione di macchine a stati nei PLC
3.10.3. Implementazione di sistemi di controllo analogici PID in PLC
3.10.4. Manutenzione dell'automazione e dell'igiene del codice
3.10.5. Simulazione di automatismi e impianti

Modulo 4. Sistemi di controllo automatico in Robotica

4.1. Analisi e progettazione di sistemi non lineari

4.1.1. Analisi e modellazione di sistemi non lineari
4.1.2. Controllo a retroazione
4.1.3. Linearizzazione per retroazione

4.2. Progettazione di tecniche di controllo per sistemi non lineari avanzati

4.2.1. Controllo a scorrimento (Sliding Mode Control)
4.2.2. Controllo basato su Lyapunov e Backstepping
4.2.3. Controllo basato sulla passività

4.3. Architetture di controllo

4.3.1. Il paradigma della Robotica
4.3.2. Architetture di controllo
4.3.3. Applicazioni ed esempi di architetture di controllo

4.4. Controllo del movimento per bracci robotici

4.4.1. Modellazione cinematica e dinamica
4.4.2. Controllo nello spazio articolare
4.4.3. Controllo nello spazio operativo

4.5. Controllo della forza sugli attuatori

4.5.1. Controllo della forza
4.5.2. Controllo dell'impedenza
4.5.3. Controllo ibrido

4.6. Robot mobili terrestri

4.6.1. Equazione di moto
4.6.2. Tecniche di controllo per robot terrestri
4.6.3. Manipolatori mobili

4.7. Robot mobili aerei

4.7.1. Equazione di moto
4.7.2. Tecniche di controllo per robot aerei
4.7.3. Movimentazione aerea

4.8. Controllo basato su tecniche di apprendimento automatico

4.8.1. Controllo tramite apprendimento supervisionato
4.8.2. Controllo tramite apprendimento rafforzato
4.8.3. Controllo tramite apprendimento non supervisionato

4.9. Controllo basato sulla visione

4.9.1. Visual Servoing in base alla posizione
4.9.2. Visual Servoing in base all’immagine
4.9.3. Visual Servoing ibrido

4.10. Controllo predittivo

4.10.1. Modellazione e stima dello stato
4.10.2. MPC applicato ai robot mobili
4.10.3. MPC applicato agli UAV

Modulo 5. Algoritmi di pianificazione robotica

5.1. Algoritmi di pianificazione classica

5.1.1. Pianificazione discreta: spazio degli stati
5.1.2. Problemi di pianificazione in Robotica. Modelli di sistemi robotici
5.1.3. Classificazione dei pianificatori

5.2. Il problema della pianificazione del percorso nei robot mobili

5.2.1. Modi di rappresentare l'ambiente: i grafici
5.2.2. Algoritmi di ricerca grafica
5.2.3. Inserimento dei costi nelle reti
5.2.4. Algoritmi di ricerca a grafo pesanti
5.2.5. Algoritmi con approccio a qualsiasi angolo

5.3. Pianificazione in sistemi robotici ad alta dimensionalità

5.3.1. Problemi di Robotica ad alta dimensionalità: Manipolatori
5.3.2. Modello cinematico diretto/inverso
5.3.3. Algoritmi di pianificazione del campionamento PRM e RRT
5.3.4. Pianificazione per vincoli dinamici

5.4. Pianificazione ottimale del campione

5.4.1. Problemi dei pianificatori basati su campioni
5.4.2. Concetto di ottimalità probabilistica RRT
5.4.3. Fase di riconnessione: vincoli dinamici
5.4.4. CForest. Pianificazione parallelizzata

5.5. Implementazione effettiva di un sistema di pianificazione del movimento

5.5.1. Problema di pianificazione generale. Ambienti dinamici
5.5.2. Ciclo d'azione, sensorizzazione. Acquisizione di informazioni dall'ambiente
5.5.3. Pianificazione locale e globale

5.6. Coordinamento in sistemi multirobot I: sistema centralizzato

5.6.1. Problema di coordinamento multi-robot
5.6.2. Rilevamento e risoluzione delle collisioni: modifica della traiettoria con algoritmi genetici
5.6.3. Altri algoritmi bio-ispirati: sciame di particelle e fuochi d'artificio
5.6.4. Algoritmo di prevenzione delle collisioni per scelta di manovra

5.7. Coordinamento in sistemi multirobot II: approcci distribuiti I

5.7.1. Utilizzo di funzioni target complesse
5.7.2. Fronte di Pareto
5.7.3. Algoritmi evolutivi multi-obiettivo

5.8. Coordinamento in sistemi multirobot III: approcci distribuiti II

5.8.1. Sistemi di pianificazione di ordine 1
5.8.2. Algoritmo ORCA
5.8.3. Aggiunti vincoli cinematici e dinamici in ORCA

5.9. Teoria della pianificazione basata sulle decisioni

5.9.1. Teoria delle decisioni
5.9.2. Sistemi decisionali sequenziali
5.9.3. Sensori e spazi informativi
5.9.4. Pianificazione dell'incertezza nel rilevamento e nell'attuazione

5.10. Sistemi di pianificazione con apprendimento per rinforzo

5.10.1. Ottenere la ricompensa attesa da un sistema
5.10.2. Tecniche di apprendimento a media ricompensa
5.10.3. Apprendimento di rinforzo inverso

Modulo 6. Tecniche di Visione Artificiale in Robotica: elaborazione e analisi delle immagini

6.1. La visione artificiale

6.1.1. Visione artificiale
6.1.2. Elementi di un sistema di visione artificiale
6.1.3. Strumenti matematici

6.2. Sensori ottici per la Robotica

6.2.1. Sensori ottici passivi
6.2.2. Sensori ottici attivi
6.2.3. Sensori non ottici

6.3. Acquisizione di immagini

6.3.1. Rappresentazione dell'immagine
6.3.2. Spazio di colori
6.3.3. Processo di digitalizzazione

6.4. Geometria delle immagini

6.4.1. Modelli di lenti
6.4.2. Modelli di fotocamera
6.4.3. Calibrazione della telecamera

6.5. Strumenti matematici

6.5.1. Istogramma dell'immagine
6.5.2. Convoluzione
6.5.3. Trasformata di Fourier

6.6. Elaborazione delle immagini

6.6.1. Analisi del rumore
6.6.2. Smussamento dell'immagine
6.6.3. Miglioramento dell'immagine

6.7. Segmentazione dell'immagine

6.7.1. Tecniche basate sui contorni
6.7.2. Tecniche basate sull’Istogramma
6.7.3. Operazioni morfologiche

6.8. Rilevamento delle caratteristiche dell'immagine

6.8.1. Rilevamento dei punti di interesse
6.8.2. Descrittori caratteristici
6.8.3. Corrispondenze tra caratteristiche

6.9. Sistemi di visione 3D

6.9.1. Percezione 3D
6.9.2. Corrispondenza di caratteristiche tra immagini
6.9.3. Geometria a più viste

6.10. Localizzazione basata sulla Visione Artificiale

6.10.1. Il problema della localizzazione dei robot
6.10.2. Odometria visiva
6.10.3. Fusione sensoriale

Modulo 7. Sistemi di percezione visiva per robot con Apprendimento Automatico

7.1. Metodi di apprendimento non supervisionati applicati alla Visione Artificiale

7.1.1. Clustering
7.1.2. PCA
7.1.3. Nearest Neighbors
7.1.4. Similarity and matrix decomposition

7.2. Metodi di apprendimento supervisionati applicati alla Visione Artificiale

7.2.1. Concetto “Bag of words”
7.2.2. Macchine di supporto di vettori
7.2.3. Latent Dirichlet Allocation
7.2.4. Reti neuronali

7.3. Reti neurali profonde: strutture, Backbones e Transfer Learning

7.3.1. Strati generatori di Features

7.3.3.1. VGG
7.3.3.2. Densenet
7.3.3.3. ResNet
7.3.3.4. Inception
7.3.3.5. GoogLeNet

7.3.2. Transfer Learning
7.3.3. I dati. Preparazione all'allenamento

7.4. Visione artificiale con apprendimento profondo I: rilevamento e segmentazione

7.4.1. Differenze e analogie tra YOLO e SSD
7.4.2. Unet
7.4.3. Altre strutture

7.5. Visione artificiale con apprendimento profondo II: General Adversarial Networks

7.5.1. Imaging a super risoluzione con GAN
7.5.2. Creazione di Immagini Realiste
7.5.3. Scene Understanding

7.6. Tecniche di apprendimento per la Localizzazione e la Mappatura nella Robotica Mobile

7.6.1. Rilevamento e ricollocazione della chiusura del loop
7.6.2. Magic Leap. Super Point e Super Glue
7.6.3. Depth from Monocular

7.7. Inferenza bayesiana e modellazione 3D

7.7.1. Modelli bayesiani e apprendimento "classico”
7.7.2. Superfici implicite con processi gaussiani (GPIS)
7.7.3. Segmentazione 3D con GPIS
7.7.4. Reti neurali per la modellazione di superfici 3D

7.8. Applicazioni End-to-End delle reti neurali profonde

7.8.1. Sistema End-to-End Esempio di identificazione di persone
7.8.2. Manipolazione di oggetti con sensori visivi
7.8.3. Generazione e pianificazione del movimento con sensori visivi

7.9. Tecnologie cloud per accelerare lo sviluppo di algoritmi di Deep Learning

7.9.1. Utilizzo della GPU per il Deep Learning
7.9.2. Sviluppo agile con Google Colab
7.9.3. GPU remote, Google Cloud e AWS

7.10. Impiego delle reti neurali in applicazioni reali

7.10.1. Sistemi incorporati
7.10.2. Distribuzione delle Reti Neurali. Uso
7.10.3. Ottimizzazione della rete in fase di implementazione, esempio con TensorRT

Modulo 8. SLAM visivo. Localizzazione e mappatura robotica simultanea con tecniche di Visione Artificiale

8.1. Localizzazione e mappatura simultanea (SLAM)

8.1.1. Localizzazione e mappatura simultanea. SLAM
8.1.2. Applicazioni della SLAM
8.1.3. Funzionamento della SLAM

8.2. Geometria proiettiva

8.2.1. Modello Pin-Hole
8.2.2. Stima dei parametri intrinseci della camera
8.2.3. Omografia, principi di base e stima
8.2.4. Matrice fondamentale, principi e stima

8.3. Filtri gaussiani

8.3.1. Filtro Kalman
8.3.2. Filtro di informazione
8.3.3. Regolazione e parametrizzazione dei filtri gaussiani

8.4. EKF-SLAM stereo

8.4.1. Geometria della telecamera stereo
8.4.2. Estrazione delle caratteristiche e ricerca
8.4.3. Filtro Kalman per SLAM stereo
8.4.4. Impostazioni dei parametri stereo EKF-SLAM

8.5. EKF-SLAM monoculare

8.5.1. Parametrizzazione dei Landmarks in EKF-SLAM
8.5.2. Filtro di Kalman per SLAM monoculare
8.5.3. Impostazioni dei parametri EKF-SLAM monoculare

8.6. Rilevamento delle chiusure a loop

8.6.1. Algoritmo di forza bruta
8.6.2. FABMAP
8.6.3. Astrazione con GIST e HOG
8.6.4. Rilevamento con apprendimento profondo

8.7. Graph-SLAM

8.7.1. Graph-SLAM
8.7.2. RGBD-SLAM
8.7.3. ORB-SLAM

8.8. Direct Visual SLAM

8.8.1. Analisi dell’algoritmo Direct Visual SLAM
8.8.2. LSD-SLAM
8.8.3. SVO

8.9. Visual Inertial SLAM

8.9.1. Integrazione delle misure inerziali
8.9.2. Accoppiamento basso: SOFT-SLAM
8.9.3. Accoppiamento alto: Vins-Mono

8.10. Altre tecnologie de SLAM

8.10.1. Applicazioni oltre la SLAM visiva
8.10.2. Lidar-SLAM
8.10.2. Range-only SLAM

Modulo 9. Applicazione alla Robotica delle tecnologie di Realtà Virtuale e Aumentata

9.1. Tecnologie immersive nella Robotica

9.1.1. Realtà Virtuale in Robotica
9.1.2. Realtà Aumentata in Robotica
9.1.3. Realtà mista in Robotica
9.1.4. Differenza tra le realtà

9.2. Costruire ambienti virtuali

9.2.1. Materiali e texture
9.2.2. Illuminazione
9.2.3. Suoni e odori virtuali

9.3. Modellare i robot in ambienti virtuali

9.3.1. Modellazione geometrica
9.3.2. Modellazione fisica
9.3.3. Standardizzazione dei modelli

9.4. Modellazione della dinamica e della cinematica dei robot: motori fisici virtuali

9.4.1. Motori fisici. Tipologia
9.4.2. Configurazione di un motore fisico
9.4.3. Motori fisici nell'industria

9.5. Piattaforme, periferiche e strumenti più comunemente utilizzati nella Realtà Virtuale

9.5.1. Visualizzatori di Realtà Virtuale
9.5.2. Periferiche di interazione
9.5.3. Sensori virtuali

9.6. Sistemi di Realtà Aumentata

9.6.1. Inserire elementi virtuali nella realtà
9.6.2. Tipi di marcatori visivi
9.6.3. Tecnologie di Realtà Aumentata

9.7. Metaverso: ambienti virtuali di agenti intelligenti e persone

9.7.1. Creazione di avatar
9.7.2. Agenti intelligenti in ambienti virtuali
9.7.3. Costruire ambienti multiutente per VR/AR

9.8. Creazione di progetti di Realtà Virtuale per la Robotica

9.8.1. Fasi di sviluppo di un progetto di Realtà Virtuale
9.8.2. Distribuzione di sistemi di Realtà Virtuale
9.8.3. Risorse della Realtà Virtuale

9.9. Creazione di progetti della Realtà Aumentata per la Robotica

9.9.1. Fasi di sviluppo di un progetto di Realtà Aumentata
9.9.2. Distribuzione di Progetti di Realtà Aumentata
9.9.3. Risorse della Realtà Aumentata

9.10. Teleoperazione robotica con dispositivi mobili

9.10.1. Realtà mista su dispositivi mobili
9.10.2. Sistemi immersivi che utilizzano sensori di dispositivi mobili
9.10.3. Esempi di progetti mobili

Modulo 10. Sistemi di comunicazione e interazione tra robot

10.1. Riconoscimento vocale: sistemi stocastici

10.1.1. Modellazione acustica del parlato
10.1.2. Modelli di Markov nascosti
10.1.3. Modellazione linguistica del parlato: Grammatiche N, grammatiche BNF

10.2. Riconoscimento vocale Deep Learning

10.2.1. Reti neuronali profonde
10.2.2. Reti neuronali ricorrenti
10.2.3. Cellule LSTM

10.3. Riconoscimento del parlato: prosodia ed effetti ambientali

10.3.1. Rumore ambientale
10.3.2. Riconoscimento da parte di più partner
10.3.3. Patologie del linguaggio

10.4. Comprensione del linguaggio naturale: sistemi euristici e probabilistici

10.4.1. Analisi sintattica-semantica: regole linguistiche
10.4.2. Comprensione basata su regole euristiche
10.4.3. Sistemi probabilistici: regressione logistica e SVM
10.4.4. Comprensione basata su reti neurali

10.5. Gestione del dialogo: strategie euristiche/probabilistiche

10.5.1. L'intenzione dell'interlocutore
10.5.2. Dialogo basato su modelli
10.5.3. Gestione stocastica del dialogo: reti bayesiane

10.6. Gestione del dialogo: strategie avanzate

10.6.1. Sistemi di apprendimento basati sul rinforzo
10.6.2. Sistemi basati su reti neurali
10.6.3. Dal discorso all'intenzione in un'unica rete

10.7. Generazione di risposte e sintesi vocale

10.7.1. Generazione di risposte: dall'idea al testo coerente
10.7.2. Sintesi vocale per concatenazione
10.7.3. Sintesi vocale stocastica

10.8. Adattamento e contestualizzazione del dialogo

10.8.1. Iniziativa di dialogo
10.8.2. Adattamento al relatore
10.8.3. Adattamento al contesto del dialogo

10.9. Robot e interazioni sociali: riconoscimento, sintesi ed espressione delle emozioni

10.9.1. Paradigmi della voce artificiale: voce robotica e voce naturale
10.9.2. Riconoscimento delle emozioni e analisi del sentimento
10.9.3. Sintesi vocale emozionale

10.10. Robot e interazioni sociali: interfacce multimodali avanzate

10.10.1. Combinazione di interfacce vocali e tattili
10.10.2. Riconoscimento e traduzione del linguaggio dei segni
10.10.3. Avatar visivi: traduzione dalla voce al linguaggio dei segni

Scarica tutti i contenuti e ottieni una guida di riferimento essenziale per ogni ingegnere professionista che si dedica alla Robotica"