Tipo Insegnamento:
Ins. uff. con erogazioni e cop.
Durata (ore):
60
CFU:
6
SSD:
MECCANICA APPLICATA ALLE MACCHINE
Sede:
BRESCIA
Url:
INGEGNERIA MECCANICA/Biomeccanica Anno: 1
Anno:
2025
Course Catalogue:
Dati Generali
Periodo di attività
Primo Semestre (15/09/2025 - 23/12/2025)
Syllabus
Obiettivi Formativi
Gli obiettivi formativi sono qui declinati secondo i descrittori di Dublino.
1. Conoscenza e capacità di comprensione (Knowledge and understanding)
Comprendere architetture e principi dei sistemi meccatronici interagenti con l’uomo (meccanica, attuazione, controllo in tempo reale).
Conoscere fondamenti di modellazione cinematica/dinamica, rigidità/compliance, attrito e inerzie distribuite.
Apprendere i principi di interazione fisica sicura (impedenza/ammittanza, controllo di forza) e i requisiti normativi di base (ISO 10218, ISO/TS 15066, IEC 60601).
Inquadrare la catena software–hardware (ROS 2, DDS, Python/C++) e l’uso essenziale della strumentazione per la sicurezza e il controllo.
2. Conoscenze applicate e capacità di comprensione (Applying knowledge and understanding)
Tradurre un requisito d’uso umano in specifiche meccaniche e di controllo; dimensionare attuatori, trasmissioni e elementi elastici/limitatori.
Impostare modelli dinamici semplificati per il progetto del controllore, implementare pipeline in ROS 2 con logging/sincronizzazione e test su banchi prova.
Progettare interfacce uomo–dispositivo (socket, impugnature, imbragature) ottimizzando comfort, trasparenza e sicurezza.
Utilizzare CAD/CAE, toolchain Python/C++ e protocolli sperimentali con soggetti umani nel rispetto delle buone pratiche.
3. Autonomia di giudizio (Making judgements)
Valutare compromessi tra massa, rigidezza, efficienza e sicurezza; identificare failure mode meccanici e di controllo e proporre mitigazioni.
Selezionare architetture di controllo e strategie di limitazione delle forze in funzione del rischio e del contesto d’uso.
Analizzare dati sperimentali e metriche (stabilità, trasparenza, comfort) per decidere iterazioni progettuali e piani di validazione.
4. Abilità comunicative (Communication skills)
Comunicare ipotesi, metodi e risultati in forma orale/scritta/grafica con rigore tecnico (report, presentazioni, disegni esecutivi).
Documentare codice e pacchetti ROS 2, redigere piani di prova e manuali d’uso sicuro.
Interagire efficacemente in team multidisciplinari (meccanica, controllo, clinica/ergonomia).
5. Capacità di apprendimento (Learning skills)
Consultare testi, standard, documentazione open-source e letteratura scientifica per aggiornamento continuo.
Autovalutare lacune e pianificare l’approfondimento (simulazione, prototipazione rapida, validazione).
Promuovere riproducibilità e tracciabilità dei risultati (versionamento, dataset, protocolli).
1. Conoscenza e capacità di comprensione (Knowledge and understanding)
Comprendere architetture e principi dei sistemi meccatronici interagenti con l’uomo (meccanica, attuazione, controllo in tempo reale).
Conoscere fondamenti di modellazione cinematica/dinamica, rigidità/compliance, attrito e inerzie distribuite.
Apprendere i principi di interazione fisica sicura (impedenza/ammittanza, controllo di forza) e i requisiti normativi di base (ISO 10218, ISO/TS 15066, IEC 60601).
Inquadrare la catena software–hardware (ROS 2, DDS, Python/C++) e l’uso essenziale della strumentazione per la sicurezza e il controllo.
2. Conoscenze applicate e capacità di comprensione (Applying knowledge and understanding)
Tradurre un requisito d’uso umano in specifiche meccaniche e di controllo; dimensionare attuatori, trasmissioni e elementi elastici/limitatori.
Impostare modelli dinamici semplificati per il progetto del controllore, implementare pipeline in ROS 2 con logging/sincronizzazione e test su banchi prova.
Progettare interfacce uomo–dispositivo (socket, impugnature, imbragature) ottimizzando comfort, trasparenza e sicurezza.
Utilizzare CAD/CAE, toolchain Python/C++ e protocolli sperimentali con soggetti umani nel rispetto delle buone pratiche.
3. Autonomia di giudizio (Making judgements)
Valutare compromessi tra massa, rigidezza, efficienza e sicurezza; identificare failure mode meccanici e di controllo e proporre mitigazioni.
Selezionare architetture di controllo e strategie di limitazione delle forze in funzione del rischio e del contesto d’uso.
Analizzare dati sperimentali e metriche (stabilità, trasparenza, comfort) per decidere iterazioni progettuali e piani di validazione.
4. Abilità comunicative (Communication skills)
Comunicare ipotesi, metodi e risultati in forma orale/scritta/grafica con rigore tecnico (report, presentazioni, disegni esecutivi).
Documentare codice e pacchetti ROS 2, redigere piani di prova e manuali d’uso sicuro.
Interagire efficacemente in team multidisciplinari (meccanica, controllo, clinica/ergonomia).
5. Capacità di apprendimento (Learning skills)
Consultare testi, standard, documentazione open-source e letteratura scientifica per aggiornamento continuo.
Autovalutare lacune e pianificare l’approfondimento (simulazione, prototipazione rapida, validazione).
Promuovere riproducibilità e tracciabilità dei risultati (versionamento, dataset, protocolli).
Prerequisiti
Per la fruizione dell'insegnamento non sono necessarie specifiche competenze e/o conoscenze pregresse diverse da quelle richieste per l'iscrizione al Corso di Studio.
Metodi didattici
Il percorso di apprendimento si articolerà in lezioni frontali e attività seminariali erogate in modalità sincrona per la trattazione teorica dei contenuti. Le sessioni alterneranno momenti di esposizione del docente a discussioni guidate e brevi interventi degli studenti su letture o casi studio.
La componente applicativa prevede lo sviluppo di un progetto monotematico in piccoli gruppi, finalizzato a integrare modellazione, progettazione e validazione. Le esercitazioni sincrone inizieranno con l’introduzione del problema, proseguiranno con uno svolgimento guidato e si concluderanno con un debriefing collettivo per il confronto critico sui risultati.
Sono previste attività di laboratorio dedicate alla messa in pratica dei metodi presentati a lezione (es. impostazione di banchi prova, uso di tool CAD/CAE, implementazione di pipeline software con gli strumenti del corso, quali ROS 2 e Python). A supporto del progetto, saranno assegnate attività da svolgere a casa (studio di riferimento, preparazione di modelli e codici, stesura di deliverable intermedi), che confluiranno in revisioni periodiche e in una presentazione finale.
Materiali, consegne e comunicazioni operative saranno resi disponibili tramite Microsoft Teams; rubriche di valutazione e checklist guideranno l’autovalutazione e il feedback tra pari durante tutto il percorso.
La componente applicativa prevede lo sviluppo di un progetto monotematico in piccoli gruppi, finalizzato a integrare modellazione, progettazione e validazione. Le esercitazioni sincrone inizieranno con l’introduzione del problema, proseguiranno con uno svolgimento guidato e si concluderanno con un debriefing collettivo per il confronto critico sui risultati.
Sono previste attività di laboratorio dedicate alla messa in pratica dei metodi presentati a lezione (es. impostazione di banchi prova, uso di tool CAD/CAE, implementazione di pipeline software con gli strumenti del corso, quali ROS 2 e Python). A supporto del progetto, saranno assegnate attività da svolgere a casa (studio di riferimento, preparazione di modelli e codici, stesura di deliverable intermedi), che confluiranno in revisioni periodiche e in una presentazione finale.
Materiali, consegne e comunicazioni operative saranno resi disponibili tramite Microsoft Teams; rubriche di valutazione e checklist guideranno l’autovalutazione e il feedback tra pari durante tutto il percorso.
Verifica Apprendimento
Regole di ammissione. Le modalità d’esame sono identiche per studenti frequentanti e non frequentanti. Per sostenere l’esame è necessario essere regolarmente iscritti a una sessione pubblicata sul sistema Esse3 di Ateneo.
Tipologia delle prove. L’esame consiste nella presentazione dei risultati del progetto assegnato ed è articolato in fasi valutative successive:
1. Consegna tecnica: invio dei sorgenti (disegni, codice, dataset/risultati sperimentali) accompagnati da relazione scritta in formato Microsoft Word (.docx).
2. Revisione e pitch deck: a valle di eventuali richieste di revisione, invio di una presentazione in formato Microsoft PowerPoint (.pptx) che sintetizzi obiettivi, metodo, risultati e limiti.
3. Prova orale: presentazione pubblica del progetto con discussione tecnica e sessione di Q&A.
Modalità di svolgimento. Le consegne avverranno in forma sincrona secondo il calendario comunicato a lezione; i materiali dovranno essere caricati nell’area dedicata su Microsoft Teams rispettando le specifiche di formato e di nomenclatura file. La prova orale si terrà in presenza o, se previsto da disposizioni di Ateneo, in modalità telematica.
Definizione del voto d’esame. La valutazione finale (in trentesimi) terrà conto di:
* Qualità tecnico-scientifica degli elaborati (sorgenti, prove, analisi, replicabilità): 40%.
* Efficacia del pitch deck (chiarezza, completezza, rigore, visualizzazione dei dati): 20%.
* Presentazione orale e discussione (padronanza dei contenuti, capacità argomentativa, gestione delle domande): 30%.
* Professionalità e conformità (rispetto di formati, scadenze, buone pratiche di citazione e tracciabilità): 10%.
Note organizzative. Eventuali criteri dettagliati (rubriche) e i template per relazione/presentazione saranno resi disponibili su Microsoft Teams. Eventuali casi di mancato rispetto delle specifiche o di non originalità degli elaborati comporteranno la richiesta di revisione prima dell’accesso alla prova orale.
Tipologia delle prove. L’esame consiste nella presentazione dei risultati del progetto assegnato ed è articolato in fasi valutative successive:
1. Consegna tecnica: invio dei sorgenti (disegni, codice, dataset/risultati sperimentali) accompagnati da relazione scritta in formato Microsoft Word (.docx).
2. Revisione e pitch deck: a valle di eventuali richieste di revisione, invio di una presentazione in formato Microsoft PowerPoint (.pptx) che sintetizzi obiettivi, metodo, risultati e limiti.
3. Prova orale: presentazione pubblica del progetto con discussione tecnica e sessione di Q&A.
Modalità di svolgimento. Le consegne avverranno in forma sincrona secondo il calendario comunicato a lezione; i materiali dovranno essere caricati nell’area dedicata su Microsoft Teams rispettando le specifiche di formato e di nomenclatura file. La prova orale si terrà in presenza o, se previsto da disposizioni di Ateneo, in modalità telematica.
Definizione del voto d’esame. La valutazione finale (in trentesimi) terrà conto di:
* Qualità tecnico-scientifica degli elaborati (sorgenti, prove, analisi, replicabilità): 40%.
* Efficacia del pitch deck (chiarezza, completezza, rigore, visualizzazione dei dati): 20%.
* Presentazione orale e discussione (padronanza dei contenuti, capacità argomentativa, gestione delle domande): 30%.
* Professionalità e conformità (rispetto di formati, scadenze, buone pratiche di citazione e tracciabilità): 10%.
Note organizzative. Eventuali criteri dettagliati (rubriche) e i template per relazione/presentazione saranno resi disponibili su Microsoft Teams. Eventuali casi di mancato rispetto delle specifiche o di non originalità degli elaborati comporteranno la richiesta di revisione prima dell’accesso alla prova orale.
Testi
* Vicentini F., La robotica collaborativa. Sicurezza e flessibilità delle nuove forme di collaborazione uomo-robot. Tecniche Nuove, 2017.
* Robla-Gómez S., Becerra V.M., Llata J.R., Gonzalez-Sarabia E., Torre-Ferrero C., Perez-Oria J., “Working together: a review on safe human-robot collaboration in industrial environments.” IEEE Access, 2017, 5:26754–26773.
* Lasota P.A., Fong T., Shah J.A., “A survey of methods for safe human-robot interaction.” Foundations and Trends in Robotics, 2017, 5(4):261–349.
* Musić S., Hirche S., “Control sharing in human-robot team interaction.” Annual Reviews in Control, 2017.
* Quigley M., Gerkey B., Smart W.D., Programming Robots with ROS: A Practical Introduction to the Robot Operating System. O’Reilly Media, 2015.
* Joseph L., Mastering ROS for Robotics Programming. Packt Publishing, 2015.
* Ragno L., Borboni A., Vannetti F., Amici C., Cusano N., “Application of Social Robots in Healthcare: Review on Characteristics, Requirements, Technical Solutions.” Sensors, 2023, 23(15):6820.
* Borboni A., Karna K.V.V., Elamvazhuthi I., Al-Quraishi M.S., Elango N., Ali S.S., “The Expanding Role of Artificial Intelligence in Collaborative Robots for Industrial Applications: A Systematic Review of Recent Works.” Machines, 2023, 11(1):111.
* Tiboni M., Borboni A., Verité F., Bregoli C., Amici C., “Sensors and Actuation Technologies in Exoskeletons: A Review.” Sensors, 2022, 22(3):884.
* Al-Quraishi M.S., Elamvazhuthi I., Daud S.A., Parasuraman S., Borboni A., “EEG-based control for upper and lower limb exoskeletons and prostheses: A systematic review.” Sensors, 2018, 18(10):3342.
Materiale didattico e letture consigliate verranno fornite dal docente attraverso la piattaforma Teams
* Robla-Gómez S., Becerra V.M., Llata J.R., Gonzalez-Sarabia E., Torre-Ferrero C., Perez-Oria J., “Working together: a review on safe human-robot collaboration in industrial environments.” IEEE Access, 2017, 5:26754–26773.
* Lasota P.A., Fong T., Shah J.A., “A survey of methods for safe human-robot interaction.” Foundations and Trends in Robotics, 2017, 5(4):261–349.
* Musić S., Hirche S., “Control sharing in human-robot team interaction.” Annual Reviews in Control, 2017.
* Quigley M., Gerkey B., Smart W.D., Programming Robots with ROS: A Practical Introduction to the Robot Operating System. O’Reilly Media, 2015.
* Joseph L., Mastering ROS for Robotics Programming. Packt Publishing, 2015.
* Ragno L., Borboni A., Vannetti F., Amici C., Cusano N., “Application of Social Robots in Healthcare: Review on Characteristics, Requirements, Technical Solutions.” Sensors, 2023, 23(15):6820.
* Borboni A., Karna K.V.V., Elamvazhuthi I., Al-Quraishi M.S., Elango N., Ali S.S., “The Expanding Role of Artificial Intelligence in Collaborative Robots for Industrial Applications: A Systematic Review of Recent Works.” Machines, 2023, 11(1):111.
* Tiboni M., Borboni A., Verité F., Bregoli C., Amici C., “Sensors and Actuation Technologies in Exoskeletons: A Review.” Sensors, 2022, 22(3):884.
* Al-Quraishi M.S., Elamvazhuthi I., Daud S.A., Parasuraman S., Borboni A., “EEG-based control for upper and lower limb exoskeletons and prostheses: A systematic review.” Sensors, 2018, 18(10):3342.
Materiale didattico e letture consigliate verranno fornite dal docente attraverso la piattaforma Teams
Contenuti
Il corso fornisce una visione integrata dei sistemi meccatronici che interagiscono con l’uomo, coniugando meccanica, controllo, elettronica e informatica nell’ottica di sicurezza, ergonomia ed efficacia d’uso. Saranno trattati modelli e architetture di sistemi cyber-fisici e, con enfasi leggermente maggiore, la progettazione meccanica di manipolatori, esoscheletri, ortesi e dispositivi indossabili: cinematica e dinamica, trasparenza, rigidità/compliance, scelte di materiali (metalli, polimeri tecnici, compositi, additive manufacturing) in funzione di massa, rigidezza specifica, smorzamento e fatica; attuatori e trasmissioni (motori elettrici, riduttori armonici/cicloidali, viti a ricircolo, trasmissioni a cavo/cinghia), elementi elastici in serie/variabili, limitatori di coppia, tolleranze e tribologia per minimizzare backlash e attriti. L’acquisizione dati, il filtraggio, la stima di stato e la modellazione dinamica supportano strategie di controllo per interazione fisica sicura (impedenza/ammittanza, controllo di forza, assist-as-needed, adattativo e robusto, shaping della dinamica tramite inerzie e compliance distribuite), pianificazione del moto e controllo in tempo reale. La percezione è trattata in modo essenziale e mirato: focus su sensori indispensabili per sicurezza e controllo (forza/coppia all’interfaccia, IMU, prossimità, visione leggera), con principi di fusione minima per robustezza operativa. L’unità su percezione e intelligenza include riconoscimento di gesti/intenzioni, tracciamento del movimento, apprendimento per imitazione e reinforcement learning di alto livello. L’integrazione software comprende ROS/ROS 2 (middleware, DDS), sincronizzazione e logging dal sensore all’azione, sviluppo di algoritmi e toolchain in Python/C++. Sono affrontate sicurezza funzionale e normativa per cobot e dispositivi assistivi/medicali: analisi dei rischi, FMEA/FMECA, concetti di PL/SIL, riferimenti a ISO 10218, ISO/TS 15066 e IEC 60601; inoltre cenni di cybersecurity e governance dei dati personali. I fattori umani coprono ergonomia, usabilità, carico cognitivo, comunicazione uomo-robot ed etica. Applicazioni: robot collaborativi in manifattura, robotica di servizio e riabilitativa (esoscheletri, ortesi attive, deambulatori intelligenti), interfacce multimodali (voce, gesti, sEMG, eye-tracking) e teleoperazione con AR/MR. Laboratori e project work prevedono l’uso di piattaforme didattiche e cobot, prototipazione e banchi prova meccanici, sviluppo in Python/C++ su ROS 2 e validazione sperimentale con metriche di stabilità, trasparenza, comfort e sicurezza.
Lingua Insegnamento
Italiano
Corsi
Corsi
INGEGNERIA MECCANICA
Laurea Magistrale
2 anni
No Results Found