Structure learning of graphical models for task-oriented robot grasping

In the collective imaginaries a robot is a human like machine as any androids in science fiction. However the type of robots that you will encounter most frequently are machinery that do work that is too dangerous, boring or onerous. Most of the robots in the world are of this type. They can be found in auto, medical, manufacturing and space industries. Therefore a robot is a system that contains sensors, control systems, manipulators, power supplies and software all working together to perform a task. The development and use of such a system is an active area of research and one of the main problems is the development of interaction skills with the surrounding environment, which include the ability to grasp objects. To perform this task the robot needs to sense the environment and acquire the object informations, physical attributes that may influence a grasp. Humans can solve this grasping problem easily due to their past experiences, that is why many researchers are approaching it from a machine learning perspective finding grasp of an object using information of already known objects. But humans can select the best grasp amongst a vast repertoire not only considering the physical attributes of the object to grasp but even to obtain a certain effect. This is why in our case the study in the area of robot manipulation is focused on grasping and integrating symbolic tasks with data gained through sensors. The learning model is based on Bayesian Network to encode the statistical dependencies between the data collected by the sensors and the symbolic task. This data representation has several advantages. It allows to take into account the uncertainty of the real world, allowing to deal with sensor noise, encodes notion of causality and provides an unified network for learning. Since the network is actually implemented and based on the human expert knowledge, it is very interesting to implement an automated method to learn the structure as in the future more tasks and object features can be introduced and a complex network design based only on human expert knowledge can become unreliable. Since structure learning algorithms presents some weaknesses, the goal of this thesis is to analyze real data used in the network modeled by the human expert, implement a feasible structure learning approach and compare the results with the network designed by the expert in order to possibly enhance it.

Studio della maturazione di formaggi pecorino stagionati in stabilimento e in grotta

Aims: Ripening evaluation of two different Pecorino cheese varieties ripened according either to a traditional method in plant and in cave. Different ripening features have been analyzed in order to evaluate the cave as possible ripening environment with the aim of obtaining a peculiar product which could also establish an added value to the cultural heritage of the local place in which it has been originally manufactured. Methods and Results: Chemical-physical features of Pecorino cheese have been initially analyzed into two different ripening environments and experimentations, among which: pH, weight reduction and subsequent water activity. Furthermore, the microbial composition has been characterized in relationship with the two different ripening environments, undertaking a variety of microbial groups, such as: lactic bacteria, staphylococci, yeasts, lactococci, enterobacteria, enterococci. Besides, an additional analysis for the in-cave adaptability evaluation has been the identification of biogenic amines inside the Pecorino cheese (2-phenilethylamine, putrescine, cadaverine, hystidine, tyramine, spermine and spermidine). Further analysis were undertaken in order to track the lipid profile evolution, reporting the concentration of the cheese free fatty acids in object, in relation with ripening time, environment and production. In order to analyse the flavour compounds present in Pecorino cheese, the SPME-GC-MS technique has been widely employed. As a result, it is confirmed the trend showed by the short-chain free fatty acids, that is to say the fatty acids which are mostly involved in conveying a stronger flavor to the cheese. With the purpose of assessing the protheolytic patterns of the above-mentioned Pecorino cheese in the two different ripening environments and testing methods, the technique SDS-PAGE has been employed into the cheese insoluble fraction, whereas the SDS-PAGE technique has been carried out into the cheese soluble portion. Furthermore, different isolated belonging to various microbial groups have been genotypically characterized though the ITS-PCR technique with the aim to identify the membership species. With reference to lactic bacillus the characterized species are: Lactobacillus brevis, Lactobacillus curvatus and Lactobacillus paraplantarum. With reference to lactococci the predominant species is Lactococcus lactis, coming from the employed starter used in the cheese manufacturing. With reference to enterococcus, the predominant species are Enterococcus faecium and Enterococcus faecalis. Moreover, Streptococcus termophilus and Streptococcus macedonicus have been identified too. For staphylococci the identified species are Staphyilococcus equorum, Staphylococcus saprophyfiticus and Staphylococcus xylosus. Finally, a sensorial analysis has been undertaken through on one side a consumer test made by inexperienced consumers, and on the other side through a panel test achieved by expert consumers. From such test Pecorino cheese ripened in cave were found to be more pleasant in comparison with Pecorino cheese ripened in plant. Conclusions: The proposed approach and the undertaken analysis showed the cave as preferential ripening environment for Pecorino cheese and for the development of a more palatable product and safer for consumers’ health.

Progettazione e Implementazione di un modulo di Power Management per Smart Environments

Progettazione ed implementazione di un modulo che gestisca il consumo di energia in uno Smart Environment, contestualizzato nell'ambito di un progetto europeo, SOFIA (Smart Object For Intelligent Applications), che ambisce ad accelerare l'integrazione di oggetti intelligenti nella vita quotidiana. Il consumo energetico da gestire e' quello di una rete di sensori; e' stato dimostrato che, riducendo le trasmissioni di dati tra sensori ed il resto della rete, le batterie durano quasi il doppio del tempo e, di conseguenza, la vita della rete e' raddoppiata, con vantaggi evidenti per l'ambiente.

Learning for scheduling a portfolio of constraint solvers

Nel lavoro di tesi qui presentato si indaga l'applicazione di tecniche di apprendimento mirate ad una più efficiente esecuzione di un portfolio di risolutore di vincoli (constraint solver). Un constraint solver è un programma che dato in input un problema di vincoli, elabora una soluzione mediante l'utilizzo di svariate tecniche. I problemi di vincoli sono altamente presenti nella vita reale. Esempi come l'organizzazione dei viaggi dei treni oppure la programmazione degli equipaggi di una compagnia aerea, sono tutti problemi di vincoli. Un problema di vincoli è formalizzato da un problema di soddisfacimento di vincoli(CSP). Un CSP è descritto da un insieme di variabili che possono assumere valori appartenenti ad uno specico dominio ed un insieme di vincoli che mettono in relazione variabili e valori assumibili da esse. Una tecnica per ottimizzare la risoluzione di tali problemi è quella suggerita da un approccio a portfolio. Tale tecnica, usata anche in am- biti come quelli economici, prevede la combinazione di più solver i quali assieme possono generare risultati migliori di un approccio a singolo solver. In questo lavoro ci preoccupiamo di creare una nuova tecnica che combina un portfolio di constraint solver con tecniche di machine learning. Il machine learning è un campo di intelligenza articiale che si pone l'obiettivo di immettere nelle macchine una sorta di `intelligenza'. Un esempio applicativo potrebbe essere quello di valutare i casi passati di un problema ed usarli in futuro per fare scelte. Tale processo è riscontrato anche a livello cognitivo umano. Nello specico, vogliamo ragionare in termini di classicazione. Una classicazione corrisponde ad assegnare ad un insieme di caratteristiche in input, un valore discreto in output, come vero o falso se una mail è classicata come spam o meno. La fase di apprendimento sarà svolta utilizzando una parte di CPHydra, un portfolio di constraint solver sviluppato presso la University College of Cork (UCC). Di tale algoritmo a portfolio verranno utilizzate solamente le caratteristiche usate per descrivere determinati aspetti di un CSP rispetto ad un altro; queste caratteristiche vengono altresì dette features. Creeremo quindi una serie di classicatori basati sullo specifico comportamento dei solver. La combinazione di tali classicatori con l'approccio a portfolio sara nalizzata allo scopo di valutare che le feature di CPHydra siano buone e che i classicatori basati su tali feature siano affidabili. Per giusticare il primo risultato, eettueremo un confronto con uno dei migliori portfolio allo stato dell'arte, SATzilla. Una volta stabilita la bontà delle features utilizzate per le classicazioni, andremo a risolvere i problemi simulando uno scheduler. Tali simulazioni testeranno diverse regole costruite con classicatori precedentemente introdotti. Prima agiremo su uno scenario ad un processore e successivamente ci espanderemo ad uno scenario multi processore. In questi esperimenti andremo a vericare che, le prestazioni ottenute tramite l'applicazione delle regole create appositamente sui classicatori, abbiano risultati migliori rispetto ad un'esecuzione limitata all'utilizzo del migliore solver del portfolio. I lavoro di tesi è stato svolto in collaborazione con il centro di ricerca 4C presso University College Cork. Su questo lavoro è stato elaborato e sottomesso un articolo scientico alla International Joint Conference of Articial Intelligence (IJCAI) 2011. Al momento della consegna della tesi non siamo ancora stati informati dell'accettazione di tale articolo. Comunque, le risposte dei revisori hanno indicato che tale metodo presentato risulta interessante.

Studio di ausili tecnologici compensativi di supporto all'iter di apprendimento matematico secondario e universitario degli studenti con dislessia

Data coming out from various researches carried out over the last years in Italy on the problem of school dispersion in secondary school show that difficulty in studying mathematics is one of the most frequent reasons of discomfort reported by students. Nevertheless, it is definitely unrealistic to think we can do without such knowledge in today society: mathematics is largely taught in secondary school and it is not confined within technical-scientific courses only. It is reasonable to say that, although students may choose academic courses that are, apparently, far away from mathematics, all students will have to come to terms, sooner or later in their life, with this subject. Among the reasons of discomfort given by the study of mathematics, some mention the very nature of this subject and in particular the complex symbolic language through which it is expressed. In fact, mathematics is a multimodal system composed by oral and written verbal texts, symbol expressions, such as formulae and equations, figures and graphs. For this, the study of mathematics represents a real challenge to those who suffer from dyslexia: this is a constitutional condition limiting people performances in relation to the activities of reading and writing and, in particular, to the study of mathematical contents. Here the difficulties in working with verbal and symbolic codes entail, in turn, difficulties in the comprehension of texts from which to deduce operations that, once combined together, would lead to the problem final solution. Information technologies may support this learning disorder effectively. However, these tools have some implementation limits, restricting their use in the study of scientific subjects. Vocal synthesis word processors are currently used to compensate difficulties in reading within the area of classical studies, but they are not used within the area of mathematics. This is because the vocal synthesis (or we should say the screen reader supporting it) is not able to interpret all that is not textual, such as symbols, images and graphs. The DISMATH software, which is the subject of this project, would allow dyslexic users to read technical-scientific documents with the help of a vocal synthesis, to understand the spatial structure of formulae and matrixes, to write documents with a technical-scientific content in a format that is compatible with main scientific editors. The system uses LaTex, a text mathematic language, as mediation system. It is set up as LaTex editor, whose graphic interface, in line with main commercial products, offers some additional specific functions with the capability to support the needs of users who are not able to manage verbal and symbolic codes on their own. LaTex is translated in real time into a standard symbolic language and it is read by vocal synthesis in natural language, in order to increase, through the bimodal representation, the ability to process information. The understanding of the mathematic formula through its reading is made possible by the deconstruction of the formula itself and its “tree” representation, so allowing to identify the logical elements composing it. Users, even without knowing LaTex language, are able to write whatever scientific document they need: in fact the symbolic elements are recalled by proper menus and automatically translated by the software managing the correct syntax. The final aim of the project, therefore, is to implement an editor enabling dyslexic people (but not only them) to manage mathematic formulae effectively, through the integration of different software tools, so allowing a better teacher/learner interaction too.

Social learning and action understanding in human observers: contributions of sensori-motor constraints and prior information

The aim of this thesis was to investigate the respective contribution of prior information and sensorimotor constraints to action understanding, and to estimate their consequences on the evolution of human social learning. Even though a huge amount of literature is dedicated to the study of action understanding and its role in social learning, these issues are still largely debated. Here, I critically describe two main perspectives. The first perspective interprets faithful social learning as an outcome of a fine-grained representation of others’ actions and intentions that requires sophisticated socio-cognitive skills. In contrast, the second perspective highlights the role of simpler decision heuristics, the recruitment of which is determined by individual and ecological constraints. The present thesis aims to show, through four experimental works, that these two contributions are not mutually exclusive. A first study investigates the role of the inferior frontal cortex (IFC), the anterior intraparietal area (AIP) and the primary somatosensory cortex (S1) in the recognition of other people’s actions, using a transcranial magnetic stimulation adaptation paradigm (TMSA). The second work studies whether, and how, higher-order and lower-order prior information (acquired from the probabilistic sampling of past events vs. derived from an estimation of biomechanical constraints of observed actions) interacts during the prediction of other people’s intentions. Using a single-pulse TMS procedure, the third study investigates whether the interaction between these two classes of priors modulates the motor system activity. The fourth study tests the extent to which behavioral and ecological constraints influence the emergence of faithful social learning strategies at a population level. The collected data contribute to elucidate how higher-order and lower-order prior expectations interact during action prediction, and clarify the neural mechanisms underlying such interaction. Finally, these works provide/open promising perspectives for a better understanding of social learning, with possible extensions to animal models.

I sistemi di raccomandazione in ambito e-learning

I sistemi di raccomandazione per come li conosciamo nascono alla fine del XX secolo, e si sono evoluti fino ai giorni nostri approcciandosi a numerosi campi, tra i quali analizzeremo l’ingegneria del software, la medicina, la gestione delle reti aziendali e infine, come argomento focale della tesi, l’e-Learning. Dopo una rapida panoramica sullo stato dell’arte dei sistemi di raccomandazione al giorno d’oggi, discorrendo velocemente tra metodi puri e metodi ibridi ottenuti come combinazione dei primi, analizzeremo varie applicazioni pratiche per dare un’idea al lettore di quanto possano essere vari i settori di utilizzo di questi software. Tratteremo nello specifico il funzionamento di varie tecniche per la raccomandazione in ambito e-Learning, analizzando tutte le problematiche che distinguono questo settore da tutti gli altri. Nello specifico, dedicheremo un’intera sezione alla descrizione della psicologia dello studente, e su come capire il suo profilo cognitivo aiuti a suggerire al meglio la giusta risorsa da apprendere nel modo più corretto. È doveroso, infine, parlare di privacy: come vedremo nel primo capitolo, i sistemi di raccomandazione utilizzano al massimo dati sensibili degli utenti al fine di fornire un suggerimento il più accurato possibile. Ma come possiamo tutelarli contro intrusioni e quindi contro violazioni della privacy? L’obiettivo di questa tesi è quindi quello di presentare al meglio lo stato attuale dei sistemi di raccomandazione in ambito e-Learning e non solo, in modo da costituire un riferimento chiaro, semplice ma completo per chiunque si volesse affacciare a questo straordinario ed affascinante mondo della raccomandazione on line.  

Studio di caratteri correlati a stress idrico in una collezione di cultivar di frumento duro (Triticum durum Desf.)

L’agricoltura si trova ad affrontare una diminuzione della disponibilità d’acqua ed una crescente domanda della produzione di cereali per scopi alimentari. Sono perciò necessarie strategie di coltivazione innovative per migliorare la produttività e nuovi genotipi migliorati nell'efficienza dell’uso delle risorse in condizioni di siccità. Questi rappresentano gli obietti principali del progetto “DROPS” (Drought tolerant yielding Plants) all’interno del quale ha avuto luogo il mio progetto di Dottorato. La mia attività di ricerca è stata svolta come segue: 1. Caratterizzazione molecolare di un panel di188 accessioni di frumento duro con marcatori SSR e DaRT; 2. Esperimenti in serra su 100 accessioni del panel per valutare la Water-Use Efficiency (WUE) in sei repliche secondo un Alpha Lattice design; 3. Prove sul campo, effettuate secondo un Alpha Lattice design, in due stagioni di crescita: a. 2010/11, valutazione di 100 accessioni presso l’Azienda sperimentale dell'Università di Cadriano (BO); b. 2011/12, valutazione del panel completo in 3 ambienti, con due diversi regimi irrigui In entrambi gli anni, abbiamo valutato caratteri agronomici correlati con il ciclo di sviluppo, la resa di granella e sue componenti, nonché diversi fattori ambientali e del suolo. Per quanto riguarda WUE, abbiamo trovato differenze altamente significative tra accessioni; inoltre, cinque accessioni hanno mostrato elevati valori di WUE e cinque accessioni valori molto bassi di WUE in tutte e sei le repliche. Gli esperimenti di campo nelle stagioni 2011 e 2012 hanno evidenziato differenze altamente significative tra le accessioni del panel per la maggior parte dei caratteri analizzati, confermando inoltre che il panel di fiorisce entro una settimana. L'esperimento del secondo anno ci ha permesso osservare un significativa interazione Genotipo X Ambiente. Questi risultati saranno integrati con ulteriori analisi QTL, per identificare regioni cromosomiche coinvolte nel controllo genetico dei caratteri di interesse e verificare la stabilità dei QTL in diversi ambienti.

Geclock: Un sistema di e-learning dove il tempo è la moneta di scambio

Geclock è un'innovativa piattaforma di e-learning che mette al primo posto la collaborazione tra persone. Il suo funzionamento somiglia molto a quello delle banche del tempo: ogni azione in favore della comunità conferisce all'utente un certo numero di crediti temporali che che potranno essere spesi in futuro all'interno di essa.