Nell’ultimo decennio l’apprendimento automatico ha conquistato uno stato di assoluta rilevanza nello sviluppo di sistemi artificiali intelligenti, rendendo possibile lo sviluppo di applicazioni di una difficoltà ritenuta difficilmente gestibile nei decenni precedenti. Tuttavia, ad oggi, gran parte di questi sistemi soffrono di alcune inefficienze e vulnerabilità sopratutto se esposti in ambienti dall’elevata dinamicità e soggetti a cambiamento. In particolare, il processo di apprendimento è generalmente limitato ad una fase controllata di addestramento su un insieme di dati limitato e successivamente inibito a seguito del rilascio del sistema nel suo ambiente operativo. Ciò comporta notevoli inefficienze e storture, giacché il sistema non è in grado di adattarsi alle esigenze del caso. In questo breve sommario, si riporta l’attività svolta da un gruppo di ricerca dell’università di Bologna circa l’apprendimento automatico continuo, una possibile soluzione al problema d’efficienza ed adattabilità di sistemi artificiali intelligenti, ed alla sua applicazione negli ambiti della robotica e della visione artificiale per l’automazione industriale.

Lomonaco, V., Pellegrini, L., Maltoni, D. (2019). Apprendimento Automatico Continuo per la Robotica e la Visione Artificiale.

Apprendimento Automatico Continuo per la Robotica e la Visione Artificiale

Vincenzo Lomonaco
;
Lorenzo Pellegrini;Davide Maltoni
2019

Abstract

Nell’ultimo decennio l’apprendimento automatico ha conquistato uno stato di assoluta rilevanza nello sviluppo di sistemi artificiali intelligenti, rendendo possibile lo sviluppo di applicazioni di una difficoltà ritenuta difficilmente gestibile nei decenni precedenti. Tuttavia, ad oggi, gran parte di questi sistemi soffrono di alcune inefficienze e vulnerabilità sopratutto se esposti in ambienti dall’elevata dinamicità e soggetti a cambiamento. In particolare, il processo di apprendimento è generalmente limitato ad una fase controllata di addestramento su un insieme di dati limitato e successivamente inibito a seguito del rilascio del sistema nel suo ambiente operativo. Ciò comporta notevoli inefficienze e storture, giacché il sistema non è in grado di adattarsi alle esigenze del caso. In questo breve sommario, si riporta l’attività svolta da un gruppo di ricerca dell’università di Bologna circa l’apprendimento automatico continuo, una possibile soluzione al problema d’efficienza ed adattabilità di sistemi artificiali intelligenti, ed alla sua applicazione negli ambiti della robotica e della visione artificiale per l’automazione industriale.
2019
Ital-IA: Convegno Nazionale CINI sull'Intelligenza Artificiale
1
3
Lomonaco, V., Pellegrini, L., Maltoni, D. (2019). Apprendimento Automatico Continuo per la Robotica e la Visione Artificiale.
Lomonaco, Vincenzo; Pellegrini, Lorenzo; Maltoni, Davide
File in questo prodotto:
Eventuali allegati, non sono esposti

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11585/713403
 Attenzione

Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo

Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact