Programma

Il corso introduce i fondamenti della pianificazione automatica come disciplina dell'Intelligenza Artificiale dedicata alla generazione automatica di sequenze di azioni per il raggiungimento di obiettivi. Dopo una panoramica delle motivazioni, delle applicazioni e delle principali sfide del settore, vengono presentati i modelli di rappresentazione dei problemi di pianificazione, con particolare attenzione agli stati, alle azioni, agli obiettivi e ai linguaggi di specifica dei domini. Il corso approfondisce quindi le principali tecniche di pianificazione classica, inclusi gli approcci basati sulla ricerca nello spazio degli stati e nello spazio dei piani, i planning graph e le relative euristiche. Successivamente vengono introdotti modelli più avanzati, quali la pianificazione gerarchica (HTN), la pianificazione temporale e la gestione di vincoli temporali. Il corso prevede inoltre l'utilizzo del linguaggio PDDL per la modellazione di domini e problemi e l'analisi di casi di studio e applicazioni nell'ambito della robotica, dei sistemi autonomi e del supporto alle decisioni.

Prerequisiti

Per seguire efficacemente il corso è consigliata una conoscenza di base dell'Intelligenza Artificiale e dell'informatica, con particolare riferimento ai concetti fondamentali di rappresentazione della conoscenza, algoritmi di ricerca e tecniche di problem solving. Sono inoltre utili competenze elementari di logica proposizionale e del primo ordine, nonché una familiarità con i principi della programmazione e delle strutture dati. Non sono richieste conoscenze pregresse specifiche sulla pianificazione automatica, poiché il corso introduce progressivamente i principali modelli, linguaggi e algoritmi del settore.

Testi Adottati

Testi principali

Malik Ghallab, Dana Nau, Paolo Traverso, Automated Planning: Theory and Practice, Morgan Kaufmann, 2004.
Costituisce il testo di riferimento principale del corso. Presenta in modo sistematico i fondamenti della pianificazione automatica, i modelli di rappresentazione, la pianificazione classica, temporale e gerarchica (HTN), nonché numerose applicazioni.

Stuart Russell, Peter Norvig, Artificial Intelligence: A Modern Approach (3a o 4a edizione).
Offre una panoramica generale dell'Intelligenza Artificiale e contiene capitoli dedicati alla pianificazione, alla ricerca euristica e alla rappresentazione della conoscenza, utili per contestualizzare gli argomenti del corso.

Approfondimenti facoltativi

Dana Nau, Malik Ghallab, Paolo Traverso, Automated Planning and Acting, Cambridge University Press, 2016.
Approfondisce l'integrazione tra pianificazione, esecuzione e decision making nei sistemi intelligenti.

Michael Wooldridge, An Introduction to MultiAgent Systems.
Utile per comprendere il ruolo della pianificazione in sistemi distribuiti e multi-agente.

Materiale didattico
Slide delle lezioni.
Articoli scientifici e dispense forniti dal docente durante il corso.
Esercizi e casi di studio basati sul linguaggio PDDL e su planner automatici.

Bibliografia Di Riferimento

Vedi sopra

Modalità Frequenza

Facoltativa a scelta dello studente

Modalità Valutazione

L'apprendimento degli studenti sarà verificato mediante una prova scritta individuale, finalizzata ad accertare sia la comprensione dei concetti teorici sia la capacità di applicare i principali modelli e metodi della pianificazione automatica. La prova potrà includere domande a risposta aperta, esercizi di modellazione di problemi di pianificazione, definizione di domini e problemi in PDDL, analisi di algoritmi e tecniche di pianificazione, nonché quesiti relativi alla risoluzione e alla valutazione di piani. La valutazione terrà conto della correttezza delle risposte, della capacità di ragionamento, dell'uso appropriato della terminologia tecnica e della padronanza degli strumenti metodologici presentati durante il corso.