Ambienti digitali per l’apprendimento: laboratori didattici in una scuola secondaria di I grado

Il Covid-19 ha obbligato a riorganizzare le attività didattiche in base alle esigenze connesse al contenimento dei contagi. Nell’affrontare l’emergenza, i dispositivi elettronici e la connettività sono risultati fondamentali per la sostituzione della didattica in presenza con quella a distanza. L’impatto è stato critico, ma ha costretto anche i più scettici a adeguare la propria offerta formativa, per rispondere alle necessità emerse e per non interrompere la relazione educativa e il processo di apprendimento attivato con i propri alunni. Ciò ha rappresentato un punto di rottura ma anche di svolta per il sistema scolastico, che ha dovuto riconoscere la centralità degli strumenti tecnologici nell’attivazione di ambienti digitali per l’apprendimento, in grado di coinvolgere e connettere insegnanti e studenti anche fuori dall’aula. Questo ha ridotto il divario tra generazioni, inducendo molti docenti a sperimentare le nuove tecnologie con più naturalezza, accelerando il cambiamento già prefigurato nel PNSD e nelle Raccomandazioni Europee. Per orientare le nuove generazioni all’uso consapevole delle nuove tecnologie, la mediazione didattica operata dal docente assume un ruolo centrale per facilitare gli apprendimenti, affiancando i new media a quelli tradizionali. A tal proposito la scelta degli approcci pedagogici e delle metodologie didattiche si rivela essenziale, quindi sono stati esaminati gli apporti che possono fornire le varie teorie e studi per strutturare la propria proposta didattica. Sono stati presi in esame alcuni strumenti digitali in grado di attivare strategie didattiche innovative e inclusive, che ho sperimentato nel percorso universitario e messo in atto durante il tirocinio. In quest’ottica, tenendo conto del contesto scolastico di riferimento, del curricolo verticale esplicitato nel PTOF e dei bisogni educativi degli alunni, sono state proposte due UA in una classe terza della scuola secondaria di primo grado Carlo Pepoli di Bologna.

Progettazione, realizzazione e caratterizzazione sperimentale di sensori capacitivi a fluido dielettrico.

Ad oggi, misurare grandezze fisiche in maniera pratica, distribuita e sostenibile è di grande importanza al fine di poter attivare strategie di digitalizzazione di qualsiasi applicazione: da quelle industriali con robotica collaborativa, fino alla domotica o tecnologia indossabile. La sfida di oggi consiste nel poter creare dei sensori che possano abilitare questi contesti, risultando efficienti, a basso consumo energetico e sostenibili in termini di materiali e componenti utilizzati. L’obiettivo della tesi è infatti quello di valutare una classe innovativa di sensori con principio di funzionamento capacitivo che risultino facili da progettare, fabbricare ed utilizzare. Nello specifico, due tipologie di sensore sono state sviluppate: uno per la misura di forza, l’altro per la misura angolare. Entrambi i dispositivi sono stati realizzati con materiale elastomerico a base di silicone, accoppiato con elettrodi conformi, in un sistema capacitivo deformabile. All’interno di questi sistemi, sono state ricavate delle camere per il contenimento di un fluido dielettrico al fine di poter monitorare lo spostamento del fluido per la misura capacitiva. La tesi riporta le linee guida principali per la progettazione di sensori che utilizzino componenti elastomerici sia conduttori che dielettrici, in combinazione con un fluido per una misura capacitiva. Successivamente, sono riportati tutti gli step di fabbricazione delle due architetture di sensore realizzate, discutendo i vari passaggi ed elencando i materiali utilizzati. Infine, le performance dei due sensori sono valutate sulla base dei risultati di una campagna sperimentale dedicata, eseguita su due setup di banco prova distinti progettati per testare la forza applicata per il primo sensore, e l’angolo di inclinazione per il secondo. Nelle conclusioni viene riportata la valutazione dell’efficienza di questi due sensori, insieme alle evoluzioni future per rendere questa proposta tecnologica affidabile e ad alte prestazioni.

Metodologie di Corrispondenza Stereo Basate su Deep Learning per Superfici Altamente Riflettenti e Trasparenti: Dataset e Architettura

Nell’ambito della Stereo Vision, settore della Computer Vision, partendo da coppie di immagini RGB, si cerca di ricostruire la profondità della scena. La maggior parte degli algoritmi utilizzati per questo compito ipotizzano che tutte le superfici presenti nella scena siano lambertiane. Quando sono presenti superfici non lambertiane (riflettenti o trasparenti), gli algoritmi stereo esistenti sbagliano la predizione della profondità. Per risolvere questo problema, durante l’esperienza di tirocinio, si è realizzato un dataset contenente oggetti trasparenti e riflettenti che sono la base per l’allenamento della rete. Agli oggetti presenti nelle scene sono associate annotazioni 3D usate per allenare la rete. Invece, nel seguente lavoro di tesi, utilizzando l’algoritmo RAFT-Stereo [1], rete allo stato dell’arte per la stereo vision, si analizza come la rete modifica le sue prestazioni (predizione della disparità) se al suo interno viene inserito un modulo per la segmentazione semantica degli oggetti. Si introduce questo layer aggiuntivo perché, trovare la corrispondenza tra due punti appartenenti a superfici lambertiane, risulta essere molto complesso per una normale rete. Si vuole utilizzare l’informazione semantica per riconoscere questi tipi di superfici e così migliorarne la disparità. È stata scelta questa architettura neurale in quanto, durante l’esperienza di tirocinio riguardante la creazione del dataset Booster [2], è risultata la migliore su questo dataset. L’obiettivo ultimo di questo lavoro è vedere se il riconoscimento di superfici non lambertiane, da parte del modulo semantico, influenza la predizione della disparità migliorandola. Nell’ambito della stereo vision, gli elementi riflettenti e trasparenti risultano estremamente complessi da analizzare, ma restano tuttora oggetto di studio dati gli svariati settori di applicazione come la guida autonoma e la robotica.

Sviluppo di un pacchetto ROS per il controllo di un cobot addetto alla movimentazione di un pannello di protezione di una macchina automatica

L’Industria 4.0 richiede sempre più tecnologie con un notevole grado di flessibilità, in modo da garantire il più alto livello di integrazione uomo-macchina e macchina- macchina. In quest’ottica, l’avvento della robotica collaborativa, ha agevolato il pro- cesso. I robot collaborativi (cobot) possono essere facilmente installati all’interno del- le linee di assemblaggio/produzione, senza necessità di barriere che vietino l’accesso agli operatori. Tra i tanti compiti a cui possono asservire i cobot, ci sono quelli dedica- ti all’ispezione delle varie macchine (e.g. microfermate di emergenza), in cui di solito, l’apertura del pannello di protezione è affidata ad un cobot montato a bordo di un AGV. È in questo contesto che si inserisce l’elaborato di tesi, volto al controllo in forza di un robot collaborativo per la movimentazione di un pannello di protezione di una mac- china automatica. In particolare, per ragioni logistiche e di ingombro, un simulacro del pannello di protezione è stato realizzato in scala, mentre il controllo real-time del cobot è stato implementato utilizzando ROS (Robot Operating System), piattaforma disponibile in modalità open-source.

Percezione depth guidata mediante proiezione virtuale di pattern

L’utilizzo di informazioni di profondità è oggi di fondamentale utilità per molteplici settori applicativi come la robotica, la guida autonoma o assistita, la realtà aumentata e il monitoraggio ambientale. I sensori di profondità disponibili possono essere divisi in attivi e passivi, dove i sensori passivi ricavano le informazioni di profondità dall'ambiente senza emettere segnali, bensì utilizzando i segnali provenienti dall'ambiente (e.g., luce solare). Nei sensori depth passivi stereo è richiesto un algoritmo per elaborare le immagini delle due camere: la tecnica di stereo matching viene utilizzata appunto per stimare la profondità di una scena. Di recente la ricerca si è occupata anche della sinergia con sensori attivi al fine di migliorare la stima della depth ottenuta da un sensore stereo: si utilizzano i punti affidabili generati dal sensore attivo per guidare l'algoritmo di stereo matching verso la soluzione corretta. In questa tesi si è deciso di affrontare questa tematica da un punto di vista nuovo, utilizzando un sistema di proiezione virtuale di punti corrispondenti in immagini stereo: i pixel delle immagini vengono alterati per guidare l'algoritmo ottimizzando i costi. Un altro vantaggio della strategia proposta è la possibilità di iterare il processo, andando a cambiare il pattern in ogni passo: aggregando i passi in un unico risultato, è possibile migliorare il risultato finale. I punti affidabili sono ottenuti mediante sensori attivi (e.g. LiDAR, ToF), oppure direttamente dalle immagini, stimando la confidenza delle mappe prodotte dal medesimo sistema stereo: la confidenza permette di classificare la bontà di un punto fornito dall'algoritmo di matching. Nel corso della tesi sono stati utilizzati sensori attivi per verificare l'efficacia della proiezione virtuale, ma sono state anche effettuate analisi sulle misure di confidenza: lo scopo è verificare se le misure di confidenza possono rimpiazzare o assistere i sensori attivi.

Applicazioni dei controlli automatici in neuroingegneria

Questo elaborato illustra quattro modelli di controlli automatici che vengono impiegati in due applicazioni neuro-ingegneristiche. In particolare, i primi due modelli, H-Infinito e LPV, sono messi a confronto per valutare quale fra questi può essere utilizzato per il controllo del sistema limbico umano, mentre gli altri due metodi, LQR e controllo adattivo, vengono combinati per presentare un nuovo sistema di controllo per una mano robotica.

Domain adaptation per classificazione di point cloud mediante pseudo-annotazioni

La classificazione di dati geometrici 3D come point cloud è un tema emergente nell'ambito della visione artificiale in quanto trova applicazione in molteplici contesti di guida autonoma, robotica e realtà aumentata. Sebbene nel mercato siano presenti una grande quantità di sensori in grado di ottenere scansioni reali, la loro annotazione costituisce un collo di bottiglia per la generazione di dataset. Per sopperire al problema si ricorre spesso alla domain adaptation sfruttando dati sintetici annotati. Questo elaborato si pone come obiettivo l'analisi e l'implementazione di metodi di domain adaptation per classificazione di point cloud mediante pseudo-labels. In particolare, sono stati condotti esperimenti all'interno del framework RefRec valutando la possibilità di sostituire nuove architetture di deep learning al modello preesistente. Tra queste, Transformer con mascheramento dell'input ha raggiunto risultati superiori allo stato dell'arte nell'adattamento da dati sintetici a reali (ModelNet->ScanNet) esaminato in questa tesi.

Sviluppo di Retrieval-based Chatbot per l'Italiano con Transformer

L’Intelligenza Artificiale negli ultimi anni sta plasmando il futuro dell’umanità in quasi tutti i settori. È già il motore principale di diverse tecnologie emergenti come i big data, la robotica e l’IoT e continuerà ad agire come innovatore tecnologico nel futuro prossimo. Le recenti scoperte e migliorie sia nel campo dell’hardware che in quello matematico hanno migliorato l’efficienza e ridotto i tempi di esecuzione dei software. È in questo contesto che sta evolvendo anche il Natural Language Processing (NLP), un ramo dell’Intelligenza Artificiale che studia il modo in cui fornire ai computer l'abilità di comprendere un testo scritto o parlato allo stesso modo in cui lo farebbe un essere umano. Le ambiguità che distinguono la lingua naturale dalle altre rendono ardui gli studi in questo settore. Molti dei recenti sviluppi algoritmici su NLP si basano su tecnologie inventate decenni fa. La ricerca in questo settore è quindi in continua evoluzione. Questa tesi si pone l'obiettivo di sviluppare la logica di una chatbot help-desk per un'azienda privata. Lo scopo è, sottoposta una domanda da parte di un utente, restituire la risposta associata presente in una collezione domande-risposte. Il problema che questa tesi affronta è sviluppare un modello di NLP in grado di comprendere il significato semantico delle domande in input, poiché esse possono essere formulate in molteplici modi, preservando il contenuto semantico a discapito della sintassi. A causa delle ridotte dimensioni del dataset italiano proprietario su cui testare il modello chatbot, sono state eseguite molteplici sperimentazioni su un ulteriore dataset italiano con task affine. Attraverso diversi approcci di addestramento, tra cui apprendimento metrico, sono state raggiunte alte accuratezze sulle più comuni metriche di valutazione, confermando le capacità del modello proposto e sviluppato.

Analisi numerica e sperimentale di un soft-gripper Fin Ray integrato con un dispositivo elettroadesivo

Una delle applicazioni maggiormente richieste in ambito industriale è quella della presa e movimentazioni di oggetti. Questa tipologia di operazione trova diverse soluzioni nel mondo della robotica e automazione. Nella loro forma più comune un dispositivo di presa si presenta come una pinza motorizzata attraverso la quale è possibile eseguire l’afferraggio di oggetti. Tra essi si possono distinguere i Soft Gripper, ovvero quella classe di pinze che ricorrono a componenti flessibili e parti in materiali soffici che nell’azione di presa si conformano all’oggetto per deformazione dei componenti. Un esempio di questa tipologia di strumenti di presa è il Fin Ray. Tuttavia, questa tipologia di soft-gripper possiede delle limitazioni, come il carico massimo movimentabile determinato sostanzialmente dalla rigidezza della struttura. In questo contesto, al fine di superare tale limite, viene proposto di implementare sulla superficie di contatto un dispositivo a film-sottile elettroadesivo, per generare forze di taglio superficiali per principio elettrostatico, che aumentino la capacità di sollevamento del soft-gripper senza intaccare la sua caratteristica principale di conformità. Lo scopo della tesi è proprio un’analisi numerica e sperimentale di un Fin Ray integrato con un dispositivo elettroadesivo, con lo scopo di analizzare la forza scambiata con un oggetto. Il gripper progettato in questo lavoro, è così prima simulato, e poi realizzato in laboratorio per eseguire la caratterizzazione sperimentale. Gli esperimenti sono stati condotti su un banco prova per la misurazione della forza di contatto scambiata durante l’afferraggio. Per ottenere una validazione del modello sviluppato, sono stati realizzati dei gripper con due differenti materiali altamente deformabili, e con una combinazione di parametri fondamentali diversi, come la posizione e la dimensione dell’oggetto in presa, ottenendo infine una caratterizzazione completa del gripper sviluppato.