Corsi di Laurea Corsi di Laurea Magistrale Corsi di Laurea Magistrale
a Ciclo Unico
Scuola di Ingegneria
INGEGNERIA DELL'AUTOMAZIONE
Insegnamento
NETWORKED CONTROL FOR MULTI-AGENT SYSTEMS - CONTROLLO DI SISTEMI MULTI-AGENTE
INP7079117, A.A. 2019/20

Informazioni valide per gli studenti immatricolati nell'A.A. 2018/19

Principali informazioni sull'insegnamento
Corso di studio Corso di laurea magistrale in
INGEGNERIA DELL'AUTOMAZIONE
IN0527, ordinamento 2008/09, A.A. 2019/20
N0
porta questa
pagina con te
Crediti formativi 9.0
Tipo di valutazione Voto
Denominazione inglese NETWORKED CONTROL FOR MULTI-AGENT SYSTEMS
Dipartimento di riferimento Dipartimento di Ingegneria dell'Informazione (DEI)
Sito E-Learning https://elearning.dei.unipd.it/course/view.php?idnumber=2019-IN0527-000ZZ-2018-INP7079117-N0
Obbligo di frequenza No
Lingua di erogazione INGLESE
Sede PADOVA
Corso singolo È possibile iscriversi all'insegnamento come corso singolo
Corso a libera scelta È possibile utilizzare l'insegnamento come corso a libera scelta

Docenti
Responsabile ANGELO CENEDESE ING-INF/04

Dettaglio crediti formativi
Tipologia Ambito Disciplinare Settore Scientifico-Disciplinare Crediti
CARATTERIZZANTE Ingegneria dell'automazione ING-INF/04 9.0

Organizzazione dell'insegnamento
Periodo di erogazione Primo semestre
Anno di corso II Anno
Modalità di erogazione frontale

Tipo ore Crediti Ore di
didattica
assistita
Ore Studio
Individuale
LEZIONE 9.0 72 153.0

Calendario
Inizio attività didattiche 30/09/2019
Fine attività didattiche 18/01/2020
Visualizza il calendario delle lezioni Lezioni 2019/20 Ord.2008

Commissioni d'esame
Commissione Dal Al Membri
2 A.A. 2019/2020 01/10/2019 15/03/2021 CENEDESE ANGELO (Presidente)
ZORZI MATTIA (Membro Effettivo)
1 A.A. 2018/2019 01/10/2018 15/03/2020 CENEDESE ANGELO (Presidente)
ZORZI MATTIA (Membro Effettivo)
BEGHI ALESSANDRO (Supplente)
BISIACCO MAURO (Supplente)
CARLI RUGGERO (Supplente)
CHIUSO ALESSANDRO (Supplente)
FERRANTE AUGUSTO (Supplente)
PILLONETTO GIANLUIGI (Supplente)
PINZONI STEFANO (Supplente)
SCHENATO LUCA (Supplente)
SUSTO GIAN ANTONIO (Supplente)
TICOZZI FRANCESCO (Supplente)
VALCHER MARIA ELENA (Supplente)
ZAMPIERI SANDRO (Supplente)

Syllabus
Prerequisiti: Il corso di Controllo di Sistemi Multi-agente richiede conoscenze di:
- Algebra lineare (spazi vettoriali, operazioni sulle matrici),
- Teoria dei Sistemi (sistemi in spazio di stato, proprietà strutturali),
- Analisi dei Dati (variabili aleatorie, regressione lineare),
- Stima e Filtraggio (sistemi lineari stocastici, filtraggio statistico)
Conoscenze e abilita' da acquisire: Il corso ha come obiettivi formativi:
- acquisizione di strumenti avanzati per la modellistica, la stima e il controllo relativi ai sistemi multiagente in particolare con riferimento a camera networks e robotic networks
- acquisizione di abilità di correlare le metodologie del corso con quanto appreso nel corso di studi, e di gestione degli strumenti scientifici
- acquisizione di capacità di formulazione matematica di un problema a partire dall’applicazione
- acquisizione di capacità di organizzazione di lavoro di gruppo
- acquisizione di capacità di scrittura e di esposizione orale di documento scientifico.
Modalita' di esame: La verifica delle competenze e abilità acquisite avviene attraverso:
1- Homework scritto in gruppi da 3-4 persone: viene assegnato un homework di implementazione di algoritmi di ottimizzazione
2- Prova parziale scritta individuale: la prova parziale riguarda tutto il programma teorico su sistemi multi-agente
3- Sviluppo di un progetto in gruppi da 3-4 persone: vengono assegnati dei progetti di carattere applicativo da risolvere negli aspetti teorici/algoritmici/simulativi. Il progetto viene valutato attraverso:
-a- Relazione scritta: relazione tecnica sul problema assegnato e sulle soluzioni sviluppate nel progetto
-b- Presentazione orale con discussione: presentazione attraverso slide del problema e della soluzione progettata e discussione relativa

Il voto finale si ottiene combinando i voti delle singole prove come segue: 1(10%) + 2(30%) + 3a(30%) + 3b(30%)
1 e 2 possono essere sostituiti da una prova orale sui relativi argomenti.
Criteri di valutazione: I criteri di valutazioni delle competenze riguardano:
- conoscenza tecnica delle principali metodologie di modellistica, analisi e sintesi per sistemi di controllo su rete, con particolare riferimento alle reti di robot, di videocamere, di sensori
- capacità di formalizzare un problema di natura applicativa, di risolverlo facendo uso degli strumenti e delle tecniche acquisite nel corso di studi,
- capacità di discutere le assunzioni e le scelte progettuali operate, in termini qualitativi e quantitativi
- capacità di presentare in modo tecnico, oralmente e attraverso report scritto, i risultati di progetto in termini qualitativi e quantitativi
Contenuti: Strumenti avanzati per la modellistica, la stima e il controllo
- Ottimizzazione: Singular Value Decomposition, tecniche di stima e problemi di minimo, problemi di ottimizzazione, metodi di discesa del gradiente
- Sistemi multiagente: rappresentazione di posa, reti di videocamere, reti di robot mobili, veicoli autonomi
- Teoria del consensus su grafi: teoria dei grafi, teoria di Perron-Frobenius, algoritmi di consensus
- Applicazioni: multi view geometry, ricostruzione della posa, calibrazione distribuita, localizzazione, problema di coverage
Attivita' di apprendimento previste e metodologie di insegnamento: Le attività prevedono:
- lezioni frontali alla lavagna
- attività di laboratorio numerico
- lezioni seminariali dall'industria
- attivita' di accompagnamento attraverso incontri periodici per lo sviluppo del progetto
Eventuali indicazioni sui materiali di studio: Il materiale di studio include:
- Appunti dalle lezioni organizzati come dispensa.
- Capitoli di libro e altre dispense su materiale specifico.
- Articoli di letteratura scientifica.

Tutto il materiale è disponibile sulla piattaforma e-learning
Testi di riferimento:
  • Dimitri P. Bertsekas, Nonlinear Programming. --: Athena Scientific, 2nd edition, 1999. Cerca nel catalogo
  • Dimitri P. Bertsekas and John N. Tsitsiklis, Parallel and Distributed Computation: Numerical Methods (Optimization and Neural Computation). --: Athena Scientific, 1 edition, 1997. Cerca nel catalogo
  • Stephen Boyd and Lieven Vandenberghe, Convex Optimization. --: Cambridge University Press, 2004. Cerca nel catalogo
  • Hamid Aghajan and Andrea Cavallaro, Multi-Camera Networks principles and applications. --: Elsevier, 2009. Cerca nel catalogo
  • Yi Ma, Stefano Soatto, Jana Kosecka, and Shankar S. Sastry, An Invitation to 3-D Vision: From Images to Geometric Models (Interdisciplinary Applied Mathematics). --: Springer, 2005. Cerca nel catalogo
  • Mehran Mesbahi and Magnus Egerstedt, Graph Theoretic Methods in Multiagent Networks. --: Princeton University Press, 2010. Cerca nel catalogo

Didattica innovativa: Strategie di insegnamento e apprendimento previste
  • Laboratory
  • Case study
  • Working in group
  • Questioning
  • Problem solving
  • Files e pagine caricati online (pagine web, Moodle, ...)

Didattica innovativa: Software o applicazioni utilizzati
  • Moodle (files, quiz, workshop, ...)
  • Kaltura (ripresa del desktop, caricamento di files su MyMedia Unipd)
  • Latex
  • Matlab

Obiettivi Agenda 2030 per lo sviluppo sostenibile
Istruzione di qualita' Industria, innovazione e infrastrutture Citta' e comunita' sostenibili