• algoritmi genetici
• apprendimento automatico
• robot bioispirati

Il mio lavoro di tesi si inquadra in un progetto a lungo termine concernente lo studio dell'apprendimento del controllo motorio di una piattaforma robotica bioispirata sia da parte di esseri umani, che di algoritmi automatici. L'interesse nell'ambito dell'apprendimento umano ed automatico è volto soprattutto alle applicazioni nell'ambito dello sviluppo di protesi robotiche 'intelligenti' in grado
di sostituire ecacemente l'arto superiore umano.
In particolare, questo lavoro è stato svolto utilizzando come supporto la piattaforma robotica NEURARM, un braccio planare a 2 giunti - 2 gradi di libertà, con attuazione antagonista non-lineare ispirata all'attuazione muscolo-tendinea umana. E' stato studiato l'apprendimento di task di reaching point-to-point, e, nel caso dei soggetti umani, di reaching point-to-point con obstacle avoidance. Il lavoro svolto consta di tre parti: lo sviluppo del sistema di controllo
del braccio, lo studio dell'apprendimento su soggetti umani, e lo sviluppo di algoritmi automatici di apprendimento.
Nella prima parte viene descritto lo sviluppo del controllo in forza/coppia di NEURARM. Il controllo si basa su una stima della forza sulle linee di attuazione, e della coppia ai giunti, ottenuta senza l'utilizzo di celle di carico né di sensori di coppia, in emulazione al sistema propriocettivo del braccio umano. Vengono qui
presentate due generazioni del controllore sviluppato, la più recente delle quali mostra notevoli incrementi prestazionali rispetto alla precedente. Per entrambe le versioni, e per i controllori di entrambi i giunti, viene portata una approfondita analisi prestazionale. Nella seconda parte vengono descritti gli esperimenti di analisi dell'apprendimento del controllo di NEURARM effettuati su dei soggetti umani. Vengono
presentati due protocolli sperimentali, entrambi di una settimana di durata e coinvolgenti 7 diversi soggetti. Il primo protocollo è già stato svolto completamente, ed ne viene presentata una completa analisi dei dati. Del secondo protocollo, utilizzato per l'analisi dell'effetto del feedback propriocettivo sulla velocità e sulla qualità dell'apprendimento, vengono presentati dei risultati iniziali relativi ad un soggetto.
Nella terza parte viene analizzato lo sviluppo di algoritmi di apprendimento automatico sulla piattaforma NEURARM. La tipologia di controllo, similmente al caso relativo ai soggetti umani, è quella Bang-Bang. Viene fornita un'analisi
approfondita della regolarità dello spazio dei controlli, con delle analisi di perturbazione effettuate sperimentalmente sulla piattaforma. Questa analisi fornisce inoltre una prova diretta della ripetibilità e della robustezza del controllo (effettuato senza sensori di forza) anche in presenza di attriti dinamici.
Successivamente, vengono presentati degli algoritmi genetici per l'apprendimento automatico di traiettorie. Di questi viene dimostrata l'efficacia sia per l'apprendimento di traiettorie sui singoli giunti, anche complicate (sigmoidi e doppie sigmoidi), che per l'apprendimento di traiettorie punto punto.
Infine vengono presentati gli sviluppi futuri del lavoro, come lo sviluppo di algoritmi di generalizzazione della traiettoria, e possibili algoritmi di apprendimento automatico della dinamica del sistema.