Dottorato di Ricerca ABRO: Relazione anno accademico 2021/22
==================================================================================
SOMMARIO
-RELAZIONE ATTIVITA’ DI STUDIO E RICERCA SVOLTA NELL'A.A. 2021/2022 DAI DOTTORANDI ISCRITTI AL 37° CICLO (I ANNO DI CORSO)
RELAZIONE ATTIVITA’ DI STUDIO E RICERCA SVOLTA NELL'A.A. 2021/2022 DAI DOTTORANDI ISCRITTI AL 36° CICLO (II ANNO DI CORSO)
RELAZIONE ATTIVITA’ DI STUDIO E RICERCA SVOLTA NELL'A.A. 2021/2022 DAI DOTTORANDI ISCRITTI AL 35° CICLO (III ANNO DI CORSO)
==================================================================================
RELAZIONE ATTIVITA’ DI STUDIO E RICERCA SVOLTA NELL'A.A. 2021/2022 DAI DOTTORANDI ISCRITTI AL 37° CICLO (I ANNO DI CORSO)
L’attività di studio e di ricerca degli studenti ABRO iscritti al ciclo 37 si è svolta regolarmente.
Sono iscritti al ciclo 37:
Andrea Brilli
Corrado Coppola
Arcangelo D'Avino
Raffaele Mariosa
Elena Mongiardini
Daniele Patria
Christian Piermarini
Gianluca Priori
Pietro Pustina
Muhammad Zubair
> Andrea BRILLI (Anno di corso: 1)
--- Frequenza ---
DIAG
--- Attività di studio ---
1) 2022 ABRO Course on Advances in Operations Research: Sparse Optimization + Clustering and Optimization, Maggio 2022, 5 crediti
2) Summer School on Optimization, Big Data and Applications (OBA 2022), 3-9 Luglio 2022, Prof. Peter I. Frazier, Prof. Claudio Gentile, Prof. Alessandro Verri, Prof. Andrew G. Wilson, Veroli(Italia).
3) Summer School(Europt 2022), 1-2 Agosto, "First Order Optimization Methods" (6 hours)
delivered by Marc Teboulle (Tel Aviv University), "Equilibrium Selection: A Rendezvous of Nash Games, Multicriteria Optimization, and Semi-infinite Programming" (6 hours) delivered by Oliver Stein (Karlsruher Institut für Tecnologie), Lisbona(Portogallo).
4) ABRO 2022 Course on Advances in Bioengineering: Network Analysis for Health and Medicine, September-October 2022, 5 crediti.
--- Attività di ricerca ---
La principale attività di ricerca svolta quest'anno tratta la definizione, lo studio e l'implementazione di una strategia di penalità interna nella risoluzione di problemi di ottimizzazione black-box che presentano vincoli non rilassabili. I problemi di tipo black-box possono sorgere in applicazioni ingegneristiche con sistemi complessi, il comportamento di tali sistemi viene osservato solo attraverso simulazioni molto complesse e costose e durante le quali non è possibile sfruttare informazioni sulle derivate della funzione obiettivo e/o dei vincoli. Potrebbero essere presenti, inoltre, dei vincoli tali che, se violati, la simulazione non può essere completata, quindi è necessario che vengano trattati internamente. Durante questa attività di ricerca è stato dunque sviluppato un algoritmo derivative-free classificabile come "linesearch-based". L'algoritmo non usa informazioni sulle derivate e tratta i vincoli con una strategia di penalità sequenziale, in particolare i vincoli rilassabili vengono trattati con una penalità esterna e quelli non rilassabili vengono trattati con una penalità esterna. La peculiarità che distingue questo algoritmo è l'utilizzo del cosiddetto "expansion step", dove ogni volta che viene individuata una direzione lungo la quale si verifica un decremento sufficiente della funzione obiettivo, viene sfruttata il più possibile la bontà di tale direzione. È stato possibile dimostrare diverse proprietà dell'algoritmo(la sequenza dei passi tende a zero; il parametro di penalità tende a zero) che hanno permesso di dimostrare la convergenza a punti stazionari del problema, il tutto sotto assunzioni standard per problemi di questo tipo e con la presenza di vincoli sia di uguaglianza che disuguaglianza. Sono stati fatti degli esperimenti numerici per confrontare l'algoritmo proposto con 3 algoritmi che ad oggi sono lo state-of-the-art. L'algoritmo risulta essere competitivo sia in termini di precisione che di efficienza nonostante non usi euristiche basate su surrogati della funzione obiettivo e dei vincoli, ben conosciute per la velocità con cui riescono a ridurre la funzione obiettivo. Il lavoro è stato sottomesso al SIAM Journal on Optimization (SIOPT) ad Agosto 2022 ed è attualmente sotto revisione.
Parallela all'attività appena descritta, è stata svolta un'attività di analisi della complessità dell'algoritmo proposto, ma nel caso non vincolato. Anche se questa attività è ancora in corso, dal lavoro fatto fino ad ora sembrerebbe emergere che l'algoritmo presenta la stessa complessità dei suoi competitor.
--- Pubblicazioni ---
> Corrado COPPOLA (Anno di corso: 1)
--- Frequenza ---
DIAG - Dipartimento di Ingegneria Informatica, Automatica e Gestionale "Antonio Ruberti"
--- Attività di studio ---
PhD Courses
- 2022 ABRO PhD Course on Advances in Operations Research, DIAG, Roma, 5 CFU.
Module 1: Sparse Optimization, 2-3-9-10/05/2022, 8 h, Matteo Lapucci, Università di Firenze.
Module 2: Clustering and Optimization, 3-10-17-18/05/2022, 8h, Veronica Piccialli e Antonio Sudoso, DIAG Sapienza.
- 2022 ABRO PhD Course on Advances in Bioengineering on "Network Analysis for Health and Medicine", online, 5 CFU.
Module 1: Network-based Methods for Biomedical Data Integration, 12-19/09/2022, 8 h, Manuela Petti, DIAG Sapienza.
Module 2: EEG-based Brain-Computer Interfaces: Toward a Daily Life Employment, 26/09/2022, 4h, Pietro Aricò, DIAG Sapienza.
Module 3: Modularity in Brain Networks, 03/10/2022, 4h, Maria Grazia Puxeddu, Department of Psychological and Brain Sciences, Indiana University, Bloomington, IN, USA.
Schools
- 01/08/2022 - 02/08/2022
EUROPT 2022 Summer School, FCT Nova, Lisbona, Portogallo.
Lecture 1: First Order Optimization Methods, 6 h, Marc Teboulle, Tel Aviv University.
Lecture 2: Multicriteria Optimization and semi-infinte Programming, 6 h, Oliver Stein, Karlsruher Insitut fur Tecnologie.
--- Attività di ricerca ---
1) Sviluppo e implementazione di metodi euristici per la risoluzioni di problemi MIP. Sviluppo di una euristica per la ricerca di punti di ammissibili basata su una modifica del Feasibility Pump. Tale euristica è stata utilizzata per partecipare alla Computational Competition del Mixed Integer Programming Workshop 2022. I risultati sono stati sottoposti per la pubblicazione e sono attualmente in corso di revisione.
2) Studio teorico della letteratura e dello stato dell'arte del Deep Reinforcement Learning. È stato proseguito e migliorato il lavoro concluso con la tesi magistrale sulla risoluzione del problema del commesso viaggiatore (TSP) con algoritmi di tipo Policy Gradient e i risultati sono stati presentati dal sottoscritto al 6th AIROYoung Workshop. Successivamente, è stato proseguito lo studio complicando il problema obiettivo, passando alla soluzione del Vehicle Routing Problem (VRP). Lo sviluppo delle architetture neurali è stato assegnato come oggetto di tesi ad uno studente magistrale. I risultati preliminari, rivelatisi promettenti sulla base del confronto con euristiche tradizionali per il VRP, sono stati presentati dal sottoscritto alla conferenza EUROPT 2022 e sono oggetto di un paper in corso di scrittura.
3) Studio sperimentale sul ruolo degli algoritmi di ottimizzazione per il training di Deep Convolutional Neural Networks su task di classificazione. Sono state eseguite vaste prove computazionali in ALCOR Lab che hanno evidenziato criticità e punti di forza dei diversi algoritmi. I risultati sono stati esposti inizialmente in un technical report. È in corso di scrittura un paper che verrà sottoposto a breve per la pubblicazione.
--- Pubblicazioni ---
[1] V. Agasucci, C. Coppola, G. Grani, "PUSH: a primal heuristic based on Feasibility PUmp and SHifting", submitted to "Computational Optimization and Applications" on 01/06/2022, https://arxiv.org/abs/2208.00191
[2] C. Coppola, L. Papa, M. Boresta, I. Amerini, L. Palagi, "Computational issues in Optimization for Deep networks", submitted to "Computational Optimization and Applications", DIAG Technical Report n. 06, 2022, http://users.diag.uniroma1.it/~biblioteca/it/node/6118
[3] S. Foà, C. Coppola, G. Grani, L. Palagi, "Solving the vehicle routing problem with
deep reinforcement learning", DIAG Technical Report n. 07, 2022, http://users.diag.uniroma1.it/~biblioteca/it/node/6119
> Arcangelo D'Avino (Anno di corso: 1)
--- Frequenza ---
Attività svolta principalmente in modalità remota con presenze occasionali al DIAG.
--- Attività di studio ---
Ottimizzazione dei sistemi complessi [6 CFU] erogato dalla professoressa Marianna De Santis. Periodo da 02/22 a 04/22;
ABRO 2022 Course on Advances in Operations Research: Sparse Optimization + Clustering and Optimization [5 CFU] erogato da Matteo Lapucci (Università di Firenze) e Veronica Piccialli (DIAG Sapienza). Periodo 05/22;
ABRO 2022 Course on Advances in Bioengineering: Network Analysis for Health and Medicine [5 CFU] erogato da Manuela Petti (DIAG Sapienza), Pietro Aricò (DIAG Sapienza) e Maria Grazia Puxeddu (Department of Psychological and Brain Sciences, Indiana University,
Bloomington, IN, USA). Periodo 09/22
--- Attività di ricerca ---
Ricerca su nuovo metodo multi-obiettivo globale senza derivate: studio dello stato dell'arte sui metodi per problemi multiobiettivo con derivate e senza derivate; definizione di uno schema di algoritmo; studio delle proprietà teoriche del metodo; implementazione; sperimentazione su problemi test; confronto con lo stato dell'arte; applicazione del metodo al problema reale.
--- Pubblicazioni ---
> Raffaele MARIOSA (Anno di corso: 1)
--- Frequenza ---
La mia attività di ricerca (data inizio 01/01/2022) si è svolta principalmente al DIAG; parte di questo periodo (circa 3 mesi) è stato trascorso in azienda (Spindox Labs Srl).
--- Attività di studio ---
Gennaio 2022 - Marzo 2022 (OMML) Docente: Laura Palagi
"OPTIMIZATION METHODS FOR MACHINE LEARNING" (6 cfu)
Laurea magistrale in: INGEGNERIA GESTIONALE - DATA SCIENCE
Università degli studi di Roma "La Sapienza"
(seguito online da Gennaio 2022 con le registrazioni del corso)
22/02/2022 - 27/05/2022 (DM4DS) Docenti: Prof. Domenico Lembo, Prof. Riccardo Rosati
"DATA MANAGEMENT FOR DATA SCIENCE" (6 cfu)
Laurea magistrale in: INGEGNERIA GESTIONALE - DATA SCIENCE
Università degli studi di Roma "La Sapienza"
(seguito a distanza)
3-9/07/2022 "Summer School on Optimization, Big Data and Applications" (OBA), VEROLI (FR)
Scuola di dottorato tenuta dai seguenti docenti:
-Prof. Peter I. Frazier
-Prof. Claudio Gentile
-Prof. Alessandro Verri
-Prof. Andrew G. Wilson
1-2/08/2022 "Second EUROPT Summer School", SST Nova, Campus de Caparica (Lisbona)
Scuola di dottorato tenuta dai seguenti docenti:
-Prof. Marc Teboulle ("First Order Optimization Methods")
-Prof. Oliver Stein ("Equilibrium Selection: A Rendezvous of Nash Games,Multicriteria
Optimization, and Semi-infinite Programming")
16-17/05/2022 "International Symposium on Combinatorial Optimization: Spring School" (ISCO)
"An introduction to quantum algorithms for optimization"
Scuola di Dottorato tenuta dal Prof. Giacomo Nannicini (Thomas J. Watson Research Center, Yorktown Heights, NY USA)
(seguita a distanza)
"2022 ABRO COURSE ON ADVANCES IN OPERATIONS RESEARCH" (5 cfu)
2-3-9-10/05/2022
MODULE 1: "SPARSE OPTIMIZATION"
Corso tenuto dal Dottor Matteo Lapucci
DIAG, Università degli studi di Roma "La Sapienza"
(2h) Introduction to sparse Optimization
(2h) Sparse optimization based on approximations
(2h) L0-based sparse optimization
(2h) Algorithms for nonlinear problems with sparsity constraints
--- Attività di ricerca ---
Durante quest'anno di Dottorato ho svolto le seguenti attività:
- nel primo periodo ho studiato i contesti in cui sarei andato ad operare (previsione dell'evoluzione dello stato dei pazienti affetti da diabete di tipo 2 e Sclerosi Multipla). Ho realizzato, insieme ad altri dottorandi, il progetto di fine corso per l'esame di OMML applicandolo alla previsione di insorgenza di complicanze del Diabete, e ho seguito una tesi sull'applicazione di tecniche di data mining e algoritmi di Machine Learning nel campo della Sclerosi Multipla
- nel frattempo ho seguito i corsi di laurea magistrale precedentemente elencati, acquisendo e/o perfezionando conoscenze fondamentali per portare avanti il mio Dottorato
- successivamente ho lavorato autonomamente (di concerto con la Professoressa Laura Palagi e la Professoressa Francesca Grassi) sul tema della Sclerosi Multipla, per generalizzare alcuni risultati pubblicati ed in particolare espandere la base dati su cui erano stati già applicati gli algoritmi di ML (considerando features aggiuntive e confrontando i risultati con quelli precedentemente ottenuti) e valutare l'applicazione di nuovi algoritmi di ML (inizialmente stiamo testando le Balanced Random Forest, mentre l'idea per il prossimo futuro è di utilizzare le Support Vector Machines).
--- Pubblicazioni ---
> Elena Mongiardini (Anno di corso: 1)
--- Frequenza ---
In questo primo anno ho svolto la mia attività di ricerca in parte al Dipartimento di Ingegneria Informatica Automatica e Gestionale "Antonio Ruberti" (DIAG) e la maggior parte presso il Laboratorio di Immagini Neuroelettriche e Interfacce Cervello-Computer (NEILab) della Fondazione Santa Lucia IRCCS di Roma,diretto dalla Dott.ssa Donatella Mattia, grazie alla convenzione tra la Fondazione Santa Lucia IRCCS e il DIAG.
--- Attività di studio ---
Scuole:
1 - BCI & Neurotechnology Spring School (online)
Periodo: 25/04/2022 - 04/05/2022
Numero di ore: 130h (12 crediti)
Corsi:
1 - Corsi di Formazione Sapienza sulle soft skills per dottorandi (online)
Periodo: novembre-dicembre 2021
Numero di ore totali: 30h
Titolo dei corsi:"Introduction to Python programming"," Introduction to Machine Learning
(ML)","Introduction to PyTorch","La Terza Missione dell'Università e il Public Engagement", "
Fare start-up in Sapienza, istruzioni per l'uso", "Valorizzare i risultati della Ricerca: la tutela
brevettuale in ambito accademico", "Collaborative project writing and networking in the
context of Horizon Europe. Services and tools for supporting researchers", "Evaluation
processes in EU R&I funding programmes","I principali programmi europei di finanziamento
R&I", "Comunicazione e divulgazione scientifica", "Etica e Scienza "
2 - Corso di scrittura tecnico-scientifica
Docente: Prof. Emilio Matricciani
Periodo: febbraio 2022
Numero ore: 24h (4 crediti)
Località: Università La Sapienza, San Pietro in Vincoli
3 - ABRO 2022 Course on Advances in Operations Research: Sparse Optimization + Clustering
and Optimization
Docente: Prof.ssa Laura Palagi
Numero di ore: 16h (5 crediti)
Periodo: maggio 2022
Località: DIAG
4 - ABRO 2022 Course on Advances in Bioengineering: Network Analysis for Health and Medicine
Docente: Prof.ssa Laura Astolfi
Numero di ore: 16h (5 crediti)
Periodo: settembre/ottobre 2022
Località: DIAG
Workshop:
1 - Titolo: 2021 IEEE 2ND INTERNATIONAL WORKSHOP ON WEARABLE SENSORS AND DEVICES,
ARTIFICIAL INTELLIGENCE AND WEARABLES MARKETS (WSAIM)
Periodo: 13-14/12/21 (Virtual Workshop)
Organizzatori: Dr. Carlo Massaroni, Prof. Vijayakumar Varadarajan, Prof. Paolo Bonato
2 - Titolo: Biovision of the future
Organizzatori: Prof.ssa Sabrina Lucibello, Dott.ssa Carmen Rotondi
- lecture1 "Biovision of the Future. Changing life through design"
data: 07/04/2022,
Numero di ore: 3h (online)
- lecture2 "Biovision of the Future. Design challenge for a sustainable and desirable life",
data: 09/05/2022,
Numero di ore: 7.5 h (online)
- worshop days
periodo: 16-20/05/2022
Località: centro Saperi&Co, Sapienza, Roma
Seminari:
1 - Brain Products Academy
BCI Event 2021 (online)
Periodo: 18/10/2021-03/11/2021
Organizzatori: Brain Products
2 - g.tecs Webinar Monday (online)
Titolo dei seminari: Brain-Computer Interfaces, BCI-Based Functional Electric
Stimulation, Hyperscanning-EEG Recording from Multiple Subjects
Date: 15/11/2021, 06/12/2021, 20/12/2021
Numero totale di ore: 3h
Organizzatori: g.tec
3 - Titolo: Robotics in Rehabilitation (online)
Data: 02/12/2021
Numero di ore: 2h
Organizzatori: Ulster University, Harvard Medical School, University College Dublin,
Università degli Studi di Padova
4 - Titolo: BCI&Neurotech Masterclass Canada 1.0 (online)
Data: 20/01/2022
Numero di ore: 6.5h
Organizzatore: g.tec
5 - Titolo: BCI&Neurotech Masterclass Italia 1.0 (online)
Data: 28/02/2022
Numero di ore: 6.5h
Organizzatore: g.tec
6 - Titolo: MATLAB per Data Science: Tips&Tricks per il Pre-processing dei Dati
Data: 29/03/2022
Numero di ore: 1.5h
Organizzatori: MathWorks Events Team
7 - Titolo: MATLAB&Simulink Italian Academic Forum (online)
Data: 07/04/2022
Numero di ore: 4h
Organizzatori: MathWorks Events Team
8 - Titolo: EEG-based Brain Computer Interfaces for neurological rehabilitation
evidence and
clinical implementation (online)
Data: 17/05/2022
Numero di ore: 1h
Speaker: MD, PhD Donatella Mattia
Organizzatori: National Center for adeaptative Neurotechnologies NCAN
--- Attività di ricerca ---
Durante il mio primo anno ho approfondito l'analisi di dati elettroencefalografici (EEG) ed elettromiografici (EMG) nel contesto delle Interfacce Cervello-Computer (BCI) per la riabilitazione di pazienti post-ictus. In particolare, in quest'anno la mia attività di ricerca si è articolata nello studio delle Low Frequency Oscillations (LFOs) su dati EEG ed EMG acquisiti precedentemente alla Fondazione Santa Lucia e sull'analisi di possibili indici quantitativi basati sul segnale EEG come biomerker e predittori del recupero motorio nell'ambito del progetto The PROMOTOER: a Brain Computer Interface-based intervention that promotes upper limb functional motor recovery in subacute stroke patients. A randomized controlled trial protocol to test long-term efficacy and to identify determinants of response to intervention (RF-2018-12365210) finanziato dal Ministero della Salute. L'attività di ricerca condotta in quest'anno è stata supportata da un parallelo approfondimento della relativa letteratura.
1- Low Frequency Oscillations
Le LFOs sono dei brevi periodi di attività oscillatoria nel range di frequenze 3-5 Hz che si localizzano nelle aree motorie corticali dell'emisfero controlaterale al compito durante la fase preparatoria al movimento. Gli studi precedenti riportano un decremento dell'ampiezza della potenza alle LFOs nella fase acuta di pazienti post-ictus e un successivo aumento legato al recupero motorio. I risultati riportati in letteratura sulle LFOs fanno riferimento al livello della corteccia e attualmente i meccanismi fisiologici relativi non sono ancora chiari.
In questo anno ho analizzato i dati EEG ed EMG precedentemente acquisiti alla Fondazione Santa Lucia di un campione di 10 soggetti sani e di 14 pazienti post-ictus mentre eseguivano i compiti di esecuzione ed immaginazione motoria (MI) di estensione delle dita della mano e di grasping, separatamente con la mano destra e con la mano sinistra. I potenziali di scalpo sono stati registrati con 61 elettrodi e contemporaneamente è stata registrata l'attività dei muscoli Extensor Digitorum, Flexor Digitorum destro e sinistro e di 3 canali elettrooculografici.
Ho analizzato i dati EEG ed EMG definendone una pipeline di processamento per l'estrazione delle LFOs. I dati EMG sono stati pre-processati e per estrarre l'onset medio del movimento, tramite algoritmo a doppia soglia, è stato considerato il muscolo target del compito sperimentale (Extensor Digitorum per l'estensione delle dita e il Flexor Digitorum per il grasping). I dati EEG sono stati pre-processati e utilizzati anche per ottenere l'attività delle sorgenti implementando il metodo beamforming di Linear Constrained Minimum Variance e considerando il modello ICBM_NY. Ai dati EEG è stato sottratto il potenziale evento correlato. Per l'estrazione delle LFOs, sia sui dati di scalpo sia sull'attività ricostruita sulle sorgenti, è stata implementata un'analisi tempo-frequenza utilizzando una finestra temporale di 5/frequenza con step di 80ms, è stata effettuata una correzione della baseline, considerando la potenza calcolata bell'intervallo 0-1 s per ogni canale e frequenza separatamente, ed infine è stato estratto l'andamento temporale della potenza alle LFOs, 3-5Hz, a partire della decomposizione tempo-frequenza. Per il confronto dell'attività alle LFOs tra il dominio delle sorgenti e il dominio dello scalpo ho effettuato la correlazione di Spearman tra gli andamenti temporali della potenza alle LFOs sulle sorgenti Medial Frontal Gyrus e Superior Temporal Gyrus, individuate tramite coordinate MNI, e sui canali EEG più rappresentativi di ogni sorgente rispettivamente. Quest'ultimi sono stati determinati in base alla matrice di LeadField, considerando i canali il cui peso associato, per la relativa sorgente, superava la soglia ottenuta dalla somma della media e di una deviazione standard di tutti i pesi dei canali EEG per la sorgente considerata.
Dalle analisi relative al compito di estensione delle dita della mano, compito semplice utilizzato in ambito riabilitativo, nel campione dei soggetti sani i risultati mostrano un aumento in potenza alle LFOs nell'intervallo temporale [-0.6 0.6] s, centrato intorno all'onset del movimento per l'esecuzione del movimento e intorno al cue visivo per l'immaginazione, sui canali EEG appartenenti alla strip sensorimotoria sia nell'esecuzione sia nell'immaginazione motoria [1]. Come risultato preliminare è stata osservata la differenza dell'espressione delle LFOs tra due pazienti con diverso grado di impairment mentre svolgevano l'immaginazione motoria dell'estensione delle dita sia con il lato sano sia con il lato affetto [1]. L'attività alle LFOs è visibile in entrambi i pazienti quando il compito è svolto con il lato sano mentre quando è svolto con il lato affetto risulta una differenza tra i due pazienti per cui nel paziente con un livello di impairment maggiore le LFOs non sono visibili. Poiché i risultati riportati in letteratura sulle LFOs riguardano il dominio delle sorgenti ho confrontato la potenza alle LFOs calcolata sulla corteccia e sullo scalpo nel campione dei soggetti sani per il compito di esecuzione dell'estensione delle dita della mano verificandone la riproducibilità [3]. I risultati ottenuti aprono alla possibilità di utilizzare le LFOs nel contesto di MI-BCI basate su EEG.
2- Biomarker e Predittori
Numerosi studi hanno analizzato gli indici quantitativi basati sul segnale EEG (QEEG) di dataset acquisiti in condizioni di riposo come biomarker e predittori del recupero motorio post-ictus.
In questo anno ho processato ed analizzato i dati EEG ed EMG di pazienti con esiti di ictus che hanno eseguito un training con il Promotoer, sistema BCI basato sull'immaginazione motoria presso la Fondazione Santa Lucia, e di pazienti che hanno seguito solo la terapia standard. I dati sono stati acquisiti in 5 istanti temporali: screening prima del training, screening dopo il training MI-BCI, dopo 1 mese, 3 mesi e 6 mesi dal trattamento. I dati EEG sono stati registrati da 61 elettrodi e contemporaneamente è stata registrata l'attività dei muscoli Extensor Digitorum e Flexor Digitorum di destra e di sinistra mentre il paziente eseguiva i compiti di immaginazione motoria di estensione delle dita della mano e del grasping sia con il lato affetto sia con il lato sano. In seguito al pre-processing dei dati EEG, ho estratto degli indici QEEG basati sulle potenze relative nelle bande di interesse del segnale EEG (delta 1-4 Hz, theta 4-8 Hz, alpha 8-13 Hz, beta 13-30Hz e gamma 30-45 Hz), sui rapporti di tali potenze e sulla simmetria emisferica (Brain Simmetry Index, BSI). I dati EMG sono stati processati per verificare la compliance al compito sperimentale. L'obiettivo di tale analisi è quella di determinare degli indici quantitativi che possano monitorare il recupero motorio, nei diversi istanti temporali, dei pazienti e/o predire l'esito della terapia basata su MI-BCI e con la sola terapia standard.
--- Pubblicazioni ---
[1] E. Mongiardini, E. Colamarino, J. Toppi, V. de Seta, F. Pichiorri, D. Mattia, F. Cincotti , "Low Frequency Brain Oscillations during the execution and imagination of simple hand movements for Brain-Computer Interface applications", 2022 44th Annual International Conference of the IEEE Engineering in Medicine & Biology Society (EMBC)-Conference Proceedings, pp. 226-229. DOI: 10.1109/EMBC48229.2022.9871772
[2] V. de Seta, E. Colamarino, F. Cincotti, D. Mattia, E. Mongiardini, F. Pichiorri, J. Toppi, "Cortico-Muscular Coupling Allows to Discriminate Different Types of Upper Limb Movements", 2022 44th Annual International Conference of the IEEE Engineering in Medicine & Biology Society (EMBC)-Conference Proceedings, pp. 2324-2327. DOI: 10.1109/EMBC48229.2022.9871383
[3] E. Mongiardini, E. Colamarino, J. Toppi, V. de Seta, F. Pichiorri, D. Mattia, F. Cincotti , "Low Frequency Brain Oscillations for Brain-Computer Interface applications: from the sources to the scalp domain ",2022 IEEE International Conference on Metrology for eXtended Reality, Artificial Intelligence, and Neural Engineering (October 2022)
> Daniele PATRIA (Anno di corso: 1)
--- Frequenza ---
DIAG
--- Attività di studio ---
Ottimizzazione continua, da 9/21 a 12/21, Stefano Lucidi, Roma, 6 CFU;
Optimization methods for machine learning, da 9/21 a 12/21, Laura Palagi, Roma, 6 CFU; Ottimizzazione dei sistemi complessi, da 2/22 a 5/22, Marianna De Santis, Roma, 6 CFU;
Corso di scrittura scientifica, 8-9/2/22 e 15-16/2/22 (24 ore), Emilio Matricciani, Roma, 4 CFU; Scuola estiva OBA2022, 3-9/7/22, Peter I. Fraizer - Claudio gentile - Alssandro Verri - Andrew G. Wilson, Veroli;
Scuola estiva EUROPT2022, Marc Teboulle - Oliver Stein, Lisbona;
Corso ABRO Advances in Operarions Research, 5/22 (16 ore), Matteo Lapucci - Veronica Piccialli - Antonio Sudoso, Roma;
Corso ABRO Advances in Bioengineering, 9/22 - 10/22 (16 ore), Manuela Petti - Pietro Aricò - Maria Grazia Puxeddu, Roma.
--- Attività di ricerca ---
L'attività di ricerca svolta nell'anno accademico 2021-2022 è stata incentrata sulla programmazione multiobiettivo intera e mista intera dunque sulla definizone di metodi esatti per la soluzione di problemi di ottimizzazione che tengono in considerazione più di una funzione obiettivo contemporanemente, con alcune o tutte le variabili vincolate ad assumere valori interi. Un metodo si definisce esatto quando è in grado di fornire garanzie sulla qualità dell'approssimazione della soluzione o sul fatto che possa trovare tutte e sole le soluzioni del problema di ottimizzazione.
Ho studiato l'algoritmo epsilon constraint, che è un metodo criterion space, e ho indagato le sue proprietà sotto specifiche ipotesi sulle funzioni obiettivo del problema, in ambito biobiettivo. È stato possibile dimostrare, sotto le suddette ipotesi, che il metodo è in grado di trovare l'intera frontiera di Pareto del problema, dunque che si tratta di un metodo esatto. Questa attività di ricerca si è conclusa con la pubblicazione [1].
Sto progettando e studiando un algoritmo per problemi multiobiettivo misti interi con funzioni obiettivo quadratiche e vincoli lineari. L'algoritmo è di tipo branch-and-bound e sfrutta la possibilità di assegnare dei valori alle variabili intere (decision space) in un ordine determinato a priori per costruire l'albero dei sottoproblemi. L'algoritmo si colloca in un framework più ampio e funge da inizializzazione per un metodo critierion space che restituisce, data la precisione desiderata, una ''enclosure'' dell'insieme dei punti nondominati del problema.
Sto studiando un algoritmo per problemi triobiettivo interi con l ́intento di applicarlo alla definizone di menù nutrizionalmente adeguati e sostenibili, che minimizzano quindi le emissioni CO2, il consumo di acqua e di azoto per la produzione delle materie prime. Anche in questo caso, l'obiettivo è quello di definire un metodo esatto, dunque che restituisca tutti i punti nondominati del problema triobiettivo.
--- Pubblicazioni ---
[1] Marianna De Santis, Gabriele Eichfelder, Daniele Patria, ''On the exactness of the ε-constraint method for biobjective nonlinear integer programming'', Operations Research Letters, Volume 50, Issue 3, 2022, Pages 356-361, ISSN 0167-6377, https://doi.org/10.1016/j.orl.2022.04.007.
> Christian PIERMARINI (Anno di corso: 1)
--- Frequenza ---
Frequenza al DIAG
--- Attività di studio ---
Summer Graduate School "Mathematics of Machine Learning" organizzata dalla Scuola Matematica Interuniversitaria al Palazzone di Cortona, 24 Luglio - 5 Agosto 2022;
Summer school on optimization, big data and applications, Veroli, 3 Luglio - 9 Luglio 2022;
"Iterative methods for large-scale saddle point problems course" organizzata dalla Scuola Matematica Interuniversitaria al Palazzone di Cortona, 9 Maggio - 20 Maggio 2022;
Corso di scrittura tecnico-scientifica, tenuto dal Prof.Emilio Matricciani, 8 Febbraio - 16 Febbraio 2022, 4 CFU
"2022 ABRO Course on Advances in Bioengineering Network Analysis for Health and Medicine", proff. Manuela Petti, Pietro Aricò, Maria Grazia Puxeddu, Settembre-Ottobre 2022
P.h.D. Course˨ "Towards Graph Machine Learning", Dipartimento di Matematica e Computer Science, Università della Calabria, docenti Aldo Marzullo, Francesco Cauteruccio, Settembre 2022
--- Attività di ricerca ---
1) Proseguimento dell'attività di ricerca incentrata su Healthcare Management avviata con la mia tesi di laurea magistrale. Nello specifico, ho collaborato con il professor Massimo Roma per lavorare ad un progetto di analisi del fenomeno di diversione delle ambulanze per mezzo dell'approccio Simulazione-Ottimizzazione in una rete di pronto soccorso. Varie politiche di diversione sono state analizzate per stabilire quale fosse la migliore in termini di efficienza e di efficacia nella fornitura di servizio ospedaliero. I risultati ottenuti sono stati oggetto di una articolo accettato per la pubblicazione sul volume AIRO Springer Series ODS 2022 International Conference on Optimization and Decision Science.
2) Avvio di un'attività di ricerca in collaborazione con i professori Massimo Roma e Giovanni Fasano sull'utilizzo di direzioni a curvatura negativaper l'ottimizzazione non vincolata a grandi dimensioni. L'obiettivo è quello di sviluppare un metodo di tipo Newton troncato che, utilizzando opportune direzioni di ricerca a curvatura negativa, possa risultare efficiente e robusto nella risoluzione di problemi a grandi dimensioni. Il metodo sarà di tipo Newton-Krylov, ovvero farà uso di tecniche iterative di tipo "Krylov subspace methods" per la determinazione delle direzioni di ricerca. Questo metodo deve essere verosimilmente applicabile in un contesto a grandi dimensioni, quindi il metodo da realizzare deve essere di tipo iterativo e deve sfruttare delle tecniche di fattorizzazione della matrice Hessiana appropriate. Inoltre, sempre in collaborazione con i proff. G. Fasano e M. Roma, ha intrapreso un'attività di ricerca riguardante la soluzione di una classe di problemi di ottimizzazione vincolata con una particolare struttura: la minimizzazione di una funzione quadratica con vincoli lineari. Tali problemi emergono spesso sottoproblemi di problemi di ottimizzazione vincolata e non vincolata ed è molto importante disporre di algoritmi efficienti per la loro soluzione.Visto l'utilizzo richiesto di avanzate tecniche di Analisi Numerica, per migliorare le mie competenze al riguardo, da settembre 2022 a frequentare il corso di "Istituzioni di Analisi Numerica", erogato nel corso di laurea magistrale di Matematica dalla professoressa Silvia Noschese.
3) Avvio di un'attività di ricerca in collaborazione con il ricercatore RTDA Giorgio Grani e l'ingegner Emanuele Colacchi per l'utilizzo di tecniche di machine learning per la previsione del valore di mercato di stocks e indici finanziari. L'obiettivo è sviluppare un metodo basato su tecniche di Deep Learning avanzate per eseguire una corretta previsione dell'andamento delle serie storiche dei suddetti strumenti finanziari.
--- Pubblicazioni ---
[1] C. Piermarini, M. Roma, "The Ambulance Diversion phenomenon in an Emergency Department network: a case study". Accettato per la pubblicazione su: F. Schoen e P. Cappanera eds., AIRO Springer Series ODS 2022 International Conference on Optimization and Decision Science.
[2] G. Fasano, C. Piermarini, M. Roma, Bridging the gap between Trust
Region Methods (TRMs) and Linesearch Based Methods (LBMs) for Nonlinear Programming: quadratic sub
problems. Università Ca' Foscari Venezia, Dipartimento di Management, Working Paper n. 8/2022, July 2022. ISSN: 2239-2734.
> Gianluca PRIORI (Anno di corso: 1)
--- Frequenza ---
DIAG - Dipartimento di Ingegneria Informatica, Automatica e Gestionale "Antonio Ruberti"
--- Attività di studio ---
PhD Courses/Schools
- 14/11/2021, 15/11/2021, 16/11/2021, 17/11/2021.
UNIVERS Winter School on Optimization, Games and Markets, Introduction to Bilevel Optimization by Prof. Martin Schmidt, Multi-Leader-Follower Games: non cooperative and hierarchical/bilevel interactions by Prof. Didier Aussel, Introduction to Generalized Nash Equilibrium Problems by Prof. Vladimir Shikhman, Equilibrium Selection: Multicriteria Optimization and Semi-infinite Programming by Prof. Oliver Stein, Chemnitz University of Technology, Chemnitz, Germany, 6 CFU.
- 02/05/2022, 03/05/2022, 09/05/2022, 10/05/2022, 17/05/2022, 18/05/2022.
2022 ABRO PhD Course on Advances in Operations Research: "Sparse Optimization", Matteo Lapucci, "Clustering and Optimization", Veronica Piccialli e Antonio Sudoso, stanza B203 e A3 del DIAG, 5 CFU.
- 12/09/2022, 19/09/2022, 26/09/2022, 03/10/2022.
2022 ABRO PhD Course on Advances in Bioengineering: "Network Analysis for Health and Medicine", Manuela Petti - Pietro Aricò - Maria Grazia Puxeddu, online, 5 CFU.
Insegnamenti di Laurea Magistrale
- Frequentazione del corsoIstituzioni di Analisi Numerica, MAT/08, 01/10/2021
21/12/2021, Dipartimento di Matematica Guido Castelnuovo, Sapienza Università di Roma, 9 CFU (senza sostenimento esame).
Webinar & Seminari
- 21/12/2021
Bilevel stochastic methods for optimization and machine learning: Bilevel stochastic descent and DARTS, Tommaso Giovannelli, DIAG.
- 06/05/2022
The role of Mathematical Optimization to enhance Transparency in Data Science, Dolores Romero Morales, DIAG.
- 03/10/2022
"Machine Learning NeEDS Mathematical Optimization", YOUNG Online Seminar Series, online.
--- Attività di ricerca ---
Studio delle disequazioni variazionali annidate nell'ambito dei problemi a struttura gerarchica pura: inner e outer level. Studio degli algoritmi per l'ottimizzazione bilivello e problemi di equilibrio di Nash. Metodo di Tikhonov con procedura di averaging applicato alle disequazioni variazionali annidate monotone: pubblicazione [1] in rivista "Mathematical Methods of Operations Research", DOI: 10.1007/s00186-022-00799-5, con data di pubblicazione 26/09/2022. Studio delle disequazioni variazionali annidate monotone con applicazione al caso affine del multi-portfolio selection problem. Studio teorico del semismooth Newton method applicato ad una disequazione variazionale annidata.
Studio dei metodi di discesa per la programmazione multiobiettivo nel caso continuo nonvincolato: systematic review della letteratura recente. Studio della programmazione bilivello multiobiettivo: estensione del problema bilivello convesso al caso di outer level multiobiettivo, inner level singolo obiettivo.
Vincitore, a seguito di una poster session con presentazione dei propri risultati teorici e applicativi, del premio di 200 per il miglior poster di ricerca nell'ambito della scuola di dottorato "UNIVERS Winter School on Optimization, Games and Markets" organizzata dai Proff. Didier Aussel e Vladimir Shikhman e frequentata nei giorni 14-17/11/2021 presso la Chemnitz University of Technology, Chemnitz, Germania. Vincitore di una delle scholarships bandite per la frequentazione della Winter School, con viaggio e soggiorno offerti dalla "UNIVERS, European Cross-Border University" congiuntamente al "Federal Ministry of Education and Research".
--- Pubblicazioni ---
[1] L. Lampariello, G. Priori, S. Sagratella, "On the solution of monotone nested variational inequalities," Mathematical Methods of Operations Research. DOI: 10.1007/s00186-022-00799-5
> Pietro PUSTINA (Anno di corso: 1)
--- Frequenza ---
1 Novembre 2021 - 11 Dicembre 2021, Dipartimento di Robotica Cognitiva (CoR), Università Tecnologica di Delft, Delft , Paesi Bassi, co-supervisore (esterno): Cosimo Della Santina
13 Dicembre 2021 - oggi, Dipartimento di Ingegneria Informatica, Automatica e Gestionale
(DIAG), Sapienza Università di Roma, Roma, Italia, co-supervisore (esterno): Cosimo Della Santin
--- Attività di studio ---
Corso ABRO in "Sparse Optimization" e "Clustering and Optimization", Maggio 2022, Dr. Maria Grazia Puxeddu e Prof. Veronica Piccialli e Dr. Antonio Sudoso, Roma, Italia, 5 CFU
Scuola di dottorato estiva S.I.D.R.A. in "Nonlinear and Adaptive Control Techniques for Advanced Aerospace Systems" e "Network Systems in Science and Technology", 3-9 Luglio 2022, Prof.
Andrea Serrani e Prof. Francesco Bullo, Bertinoro, Italia
Corso ABRO in "Network Analysis for Health and Medicine", Settembre-Ottobre 2022, Dr. Manuela Petti, Dr. Pietro Aricò e Dr. Maria Grazia Puxeddu, Roma, Italia, 5 CFU
--- Attività di ricerca ---
Dal 1 Novembre 2021 al 10 Dicembre 2021 ho svolto la mia attività di ricerca presso il laboratorio di "Soft Robotics" del CoR, Università Tecnologica di Delft.
Durante questo periodo, mi sono occupato della fabbricazione di un soft robot per poter validare sperimentalmente delle leggi di controllo in retroazione progettate durante la tesi magistrale.
Parte dei risultati è stata pubblicata in [1].
Inoltre, ho sviluppato del codice C++ (ROS2) per poter acquisire in real-time lo stato del soft robot. L'intera piattaforma sperimentale che ho contribuito a realizzare è stata usata in [2].
Dal 13 Dicembre 2021 ad oggi ho svolto la mia attività di ricerca presso il "DIAG
Robotics Lab" del DIAG, Sapienza Università di Roma.
Mi sono occupato di due principali temi di ricerca: (i) modellistica finito-dimensionale e (ii) controllo "model-based" di soft robot continui sottoattuati.
Nel periodo Gennaio-Maggio 2022 ho approfondito lo studio di tecniche di modellistica ricorsive (forward ed inverse dynamics) per sistemi meccanici vincolati. Questo ha portato a dei nuovi risultati che sono stati riportati sommariamente in [6] e verrano presentati dettagliatamente in un articolo a rivista. Da Aprile ho ripreso il tema di ricerca iniziato in [1], ovvero la regolazione nello spazio di configurazione di soft robot sottoattuati, aggiungendo un'azione integrale e dimostrando la stabilità ad anello chiuso. Questa attività ha portato a [2].
Durante il mese di Giugno ho supervisionato il progetto di Robotics II dello studente magistrale Marco Montagna. Il suo lavoro ha portato a [4] e verrà presentato alla 4° Conferenza Italiana di Robotica e Macchine Intelligenti (I-RIM 3D 2022).
Nel mese di Luglio ho partecipato alla scrittura di [5]. Il lavoro riguarda la validazione sperimentale del Functional Iterative Learning Control su un robot flessibile.
--- Pubblicazioni ---
[1] P. Pustina, C. Della Santina, A. De Luca, "Feedback Regulation of Elastically Decoupled Underactuated Soft Robots," in IEEE Robotics and Automation Letters, vol. 7, no. 2, pp. 4512-4519, April 2022, doi: 10.1109/LRA.2022.3150829
[2] X. Shao, P. Pustina, M. Stölzle, G. Sun, A. De Luca, L. Wu, C. Della Santina, "Model-based Control for Soft Robots with System Uncertainty and Input Saturation," in IEEE Robotics and Automation Letters, under review
[3] P. Pustina, P. Borja, C. Della Santina, A. De Luca, "P-satI-D Shape Regulation of Soft Robots," in IEEE Robotics and Automation Letters, under review
[4] M. Montagna, P. Pustina, A. De Luca, "Regulation by Iterative Learning in Continuum Soft Robots," 4rd Italian Conference on Robotics and Intelligent Machines, Rome, ITA, 2022
[5] S. Drost, P. Pustina, F. Angelini, A. De Luca, G. Smit, C. Della Santina, "Experimental Validation of Functional Iterative Learning Control on a One-Link Flexible Arm," 2023 IEEE International Conference on Robotics and Automation, London, UK, under review
[6] P. Pustina, C. Della Santina, A. De Luca, "The Kane's Equations in Soft Robotics," 2023 International Nonlinear Dynamics Conference Rome, IT, under review
> Muhammad Zubair (Anno di corso: 1)
--- Frequenza ---
I have remained in contact with my PhD Supervisor throughout this time although I was in Pakistan (due to delay in the visa issuance and documentations). It also included every week progress meetings (online). Further, the courses, workshops and lessons which I had taken were online.
--- Attività di studio ---
I have taken the following courses (Online):
1. ABRO Course on Advances in Bioengineering - Network Analysis for Health and Medicine
Manuela Petti, DIAG Sapienza
Pietro Aricò, DIAG Sapienza
Maria Grazia Puxeddu, Department of Psychological and Brain Sciences, Indiana University,
Bloomington, IN, USA
2. ABRO Course on Advances in Operations Research
Matteo Lapucci, Università di Firenze
Veronica Piccialli, DIAG Sapienza
3. Quantitative Methods for Biology (an edx course)
About Course: use of mathematical, statistical or computational techniques to study life and living organisms
Professor Springer, Harvard Medical School
Workshop:
17th SICC International Tutorial Workshop Topics in nonlinear dynamics
--- Attività di ricerca ---
Currently, I am working on the adaptive nonlinear controllers for the chemotherapy treatment of brain tumors. It includes adaptive super-twisting sliding mode controller and adaptive terminal sliding mode controller of brain tumor via chemotherapy.
The current research has been recently accepted in the conference ICSTCC 2022,[1].
Along with this, I am working on the deep learning techniques for the classification of brain tumor.
--- Pubblicazioni ---
[1] M. Zubair, D. Iacoviello, Y. Islam, "Adaptive super-twisting SMC and adaptive terminal SMC of brain tumor via chemotherapy" 26th International Conference on System Theory, Control and Computing, ICSTCC 2022
================================================================================================
RELAZIONE ATTIVITA’ DI STUDIO E RICERCA SVOLTA NELL'A.A. 2021/2022 DAI DOTTORANDI ISCRITTI AL 36° CICLO (II ANNO DI CORSO)
L’attività di studio e di ricerca degli studenti ABRO iscritti al ciclo 36 si è svolta regolarmente.
Sono iscritti al ciclo 36:
Tommaso Belvedere
Alice Calamita
Michele Cipriano
Federico D'Onofrio
Danilo Menegatti
Davide Merolla
Marta Monaci
Andrea Tantucci
Andrea Wrona
=== RAD RAD_form_BELVEDERE_2022.pdf ===
> Tommaso BELVEDERE (Anno di corso: 2)
--- Frequenza ---
L'attività di ricerca è stata svolta al DIAG
--- Attività di studio ---
Corsi DIAG:
- ABRO 2022 Course on Advances in Operations Research: Sparse Optimization + Clustering and Optimization (May 2 2022 May 18 2022, Sapienza University of Rome)
Corsi Esterni:
- Numerical Optimization, Prof. Alberto Bemporad, 20h (February 14 - March 7 2022, Online)
- Nonlinear and Adaptive Control Techniques for Advanced Aerospace Systems, Prof. Andrea Serrani, 15h (SIDRA Summer School, July 3 July 9, 2022, Bertinoro, Italy)
- Network Systems in Science and Technology, Prof. Francesco Bullo, 15h (SIDRA Summer School, July 3 July 9, 2022, Bertinoro, Italy)
--- Attività di ricerca ---
Durante il secondo anno ho continuato a sviluppare sistemi di controllo basati su Model Predictive Control (MPC) e su vincoli di stabilità interna basati sulla tecnica dell'inversione stabile.
Ho sviluppato un controllore whole-body per robot umanoidi, andando ad estendere la metodologia usata nel nostro gruppo di ricerca ma limitata ad un controllo disaccoppiato della dinamica centroidale e della cinematica, integrando i metodi noti in un unico problema di ottimizzazione. Questo problema di ottimizzazione permette di controllare i singoli giunti dell'umanoide durante la camminata, ottimizzando quantità come il momento angolare centroidale per generare movimenti fluidi ed efficienti. La caratteristica che differenzia questo metodo da altri lavori è l'uso di un modello basato sul Linear Inverted Pendulum (mappato nelle coordinate di giunto) per garantire la stabilità del moto durante la locomozione.
Un aspetto caratterizzante del mio lavoro di ricerca è stato l'uso di un vincolo di stabilità basato su inversione stabile di sistemi lineari tempo-invarianti, applicato però a sistemi nonlineari (come il Tractor-Trailer ed il Wheeled Inverted Pendulum Humanoid). In questi contesti, si è fatto uso di un'appropriata approssimazione lineare per poter, almeno localmente, sfruttare i risultati noti.
Ho quindi studiato come sfruttare alcuni risultati noti in letteratura riguardanti l'inversione stabile di sistemi nonlineari all'interno di un MPC nonlineare. Risultati preliminari mostrano come sia possibile utilizzare gli algoritmi iterativi noti per generare delle traiettorie stabili da iniettare poi nel problema di ottimizzazione.
Ho brevemente esplorato la possibilità di applicare le stesse metodologie usate per il controllo di sistemi Tractor-Trailer al problema di locomanipolazione di carrelli (cart pushing) tramite manipolatori a base mobile, ma l'avanzamento di questo progetto è subordinato all'introduzione delle tecniche propriamente nonlineari come menzionato sopra.
--- Pubblicazioni ---
[1] M. Beglini, T. Belvedere, L. Lanari, G. Oriolo, "An Intrinsically Stable MPC Approach for Anti-Jackknifing Control For Tractor-Trailer Vehicles", IEEE/ASME Transactions on Mechatronics, 2022, DOI:10.1109/TMECH.2022.3154295
[2] M. Kanneworff, T. Belvedere, N. Scianca, F. M. Smaldone, L. Lanari, G. Oriolo, "Task-Oriented Generation of Stable Motions for Wheeled Inverted Pendulum Humanoids", 2022 IEEE International Conference on Robotics and Automation, Philadelphia, PA , DOI:10.1109/ICRA46639.2022.9812317
> Alice CALAMITA (Anno di corso: 2)
--- Frequenza ---
DIAG - Dipartimento di Ingegneria Informatica, Automatica e Gestionale "Antonio Ruberti"
--- Attività di studio ---
PhD Courses/Schools
- 16-17/05/2022
2022 Spring School of the International Symposium on Combinatorial Optimization (ISCO), An introduction to quantum algorithms for optimization, online.
- 2/05/2022, 3/05/2022, 9/05/2022, 10/05/2022, 17/05/2022, 18/05/2022
2021 ABRO PhD Course on Advances in Operations Research: Sparse Optimization, Clustering and Optimization, Matteo Lapucci - Veronica Piccialli - Antonio Sudoso, DIAG, 5 CFU.
-------------------------------------------------------------------------------------------------------------------------------
Conferences & Workshops
- 23/03/2022
25/03/2022
6th AIRO Young Workshop on Operation Research and Data Science in Public Services, Roma Tre University, Rome (Italy).
- 18-20/05/2022
International Symposium on Combinatorial Optimization (ISCO) Online Conference, online.
-------------------------------------------------------------------------------------------------------------------------------
Webinar & Seminars
- 01/11/2021
Machine Learning NeEDS Mathematical Optimization on Heuristics for Mixed-Integer Optimization through a Machine Learning Lens, Andrea Lodi, online.
- 22/11/2021
Machine Learning NeEDS Mathematical Optimization on Stochastic Oracles and Where to Find Them, Katya Scheinberg, online.
- 09/12/2021
Seminar on Lower Bounds for Ramsey Numbers on Circulant Graphs: A Bilevel Optimization Approach, Ivana Ljubic, DIAG.
- 13/12/2021
Young seminar series on Machine Learning NeEDS Mathematical Optimization, Antonio Maria Sudoso, Giorgio Grani, online.
- 17/12/2021
Attività didattiche trasversali sulle soft skills per dottorandi: Fare start-up in Sapienza, istruzioni per luso, Chiara Petrioli, online.
- 14/01/2022
Seminario sul Machine Learning: il motore dell'intelligenza artificiale e dell'investigazione scientifica guidata dai big data, Stefano Leonardi, Accademia dei Lincei (online).
- 01/03/2022
Gurobi Tech Talk & Chat: Converting Weak to Strong MIP Formulations, Gurobi Optimization, online.
- 07/03/2022
Machine Learning NeEDS Mathematical Optimization on Convex hulls of monomials in two-variable cones, Pietro Belotti, online.
- 25/03/2022
DOTs: Discrete Optimization Talks, Jorge Sefair - Alexandra Newman, online.
- 29/03/2022
Seminario su Analytical methods in Retail Supply Chain, Stefano Alberti, DIAG.
- 04/04/2022
Machine Learning NeEDS Mathematical Optimization on An exact algorithm for the semi-supervised minimum sum of squares clustering, Veronica Piccialli, online.
- 2/05/2022
Incontro tra dottorandi ed eccellenti 2021-2022 del Corso in Ingegneria Gestionale, DIAG.
- 6/05/2022
Seminar on The role of Mathematical Optimization to enhance Interpretability in Data Science, Dolores Romero Morales, DIAG.
- 17/05/2022
Plus Ultra Big Data, Laura Curino, DIAG.
- 7/06/2022
Seminario Using hybrid patch decomposition to solve multi-objective mixed-integer convex optimization problems, Leo Warnow, DIAG.
- 15/06/2022
Gurobi Tech Talk & Chat: Converting Weak to Strong MIP Formulations, part II, Gurobi Optimization, online.
- 16/06/2022
Plus Ultra Big Data, Teresa Numerico, DIAG.
--- Attività di ricerca ---
Studio teorico e parziale implementazione dei metodi di decomposizione per la risoluzione di problemi MINLP, con applicazione al Facility Location. Approfondimento teorico sulla formulazione perspective. Studio di rilassamenti non lineari applicati a problemi di facility location quadratici con vincoli di tipo second-order cone. Studio computazionale sulle performance dei solutori commerciali MIP su problemi aventi questo tipo di struttura. Lanalisi comparativa di tali performance è oggetto di un paper in fase di scrittura. Inoltre, sull'argomento è stato dato un talk dal titolo "Computational comparison of various formulations of MIQP problems" al Workshop di Europt 2022 tenutosi a Lisbona (Portogallo).
In collaborazione con la Fondazione Ugo Bordoni è stato eseguito uno studio computazionale sui metodi per accelerare la risoluzione di problemi reali di Wireless Network Design con potenza variabile. I risultati di tale analisi sono stati esposti alla Conferenza di EURO 2022 tenutasi ad Espoo (Finlandia). Il titolo del talk è stato "Optimization aspects of wireless network design". E' stato scritto un paper sullargomento [2].
Inoltre la collaborazione con la Fondazione Bordoni ha portato ad uno studio e sviluppo di modelli per problemi di Antenna Deployment con vincoli sulle limitazioni elettromagnetiche. E' in corso un'analisi della formulazione naturale del problema in termini di efficienza con l'obiettivo di affrontare casi reali.
--- Pubblicazioni ---
Sottomesso a rivista internazionale e in fase di seconda revisione:
[1] P. Avella, A. Calamita, L. Palagi, A compact formulation for the base station deployment problem in wireless networks, Technical Report 1, Department of Computer, Control and Management Engineering Antonio Ruberti, Sapienza University of Rome, Italy (2022), http://hdl.handle.net/11573/1601303
Preprint:
[2] P. Avella, A. Calamita, L. Palagi, "A Computational Study on the Site and Power Assignment Problem in Wireless Networks"
> Michele CIPRIANO (Anno di corso: 2)
--- Frequenza ---
DIAG
--- Attività di studio ---
ABRO 2022 Course on Advances in Operations Research: Sparse Optimization + Clustering and Optimization (May 2 2022 — May 18 2022, Sapienza University of Rome).
--- Attività di ricerca ---
During the second year of PhD I worked on humanoid robot locomotion. In particular, I kept developing the framework for autonomous biped navigation in uneven terrain, started during the first year of PhD. The whole system now works with both Aldebaran NAO and ROBOTIS-OP3 humanoid robots. Part of the software has been rewritten in Pinocchio and tested in simulation with HRP-4 humanoid robot. A whole-body controller, which should replace the kinematic controller currently used, is currently being developed. The results obtained during the year led to a journal paper [1], which is currently under review in Robotics and Autonomous Systems.
--- Pubblicazioni ---
[1] M. Cipriano, P. Ferrari, N. Scianca, L. Lanari, G. Oriolo, “Humanoid Motion Generation in a World of Stairs”, Submitted to Robotics and Autonomous Systems
> Federico D'ONOFRIO (Anno di corso: 2)
--- Frequenza ---
La mia attività di ricerca di quest'anno è stata in parte al DIAG, e in parte presso la Columbia University in cui sono stato per un periodo di visiting da Gennaio a Luglio 2022.
--- Attività di studio ---
Audit dei seguenti corsi di dottorato presso il dipartimento IEOR della Columbia University di New York:
- IEOR E6614. OPTIMIZATION II: An introduction to combinatorial optimization, network flows and discrete algorithms - Daniel Bienstock, IEOR, Columbia University (Gennaio - Maggio 2022);
- IEOR E8100. ADVANCED TOPICS IN IEOR: Optimization for Machine Learning - Donald Goldfarb, IEOR, Columbia University (Gennaio - Maggio 2022).
2022 ABRO Course on Advances in Operations Research, Maggio 2022, DIAG - Sapienza Università di Roma (5 CFU, seguito online):
- Module 1. Sparse Optimization - Matteo lapucci, Università di Firenze;
- Module 2. Clustering and Optimization - Veronica Piccialli e Antonio Sudoso, DIAG, Sapienza Università di Roma.
--- Attività di ricerca ---
My line of research this year was dedicated to solving nested optimization problems, i.e. the resoltution under the same optimization model, of many optimization sub-problems all of the same kind (e.g. combinatorial optimization problems such as knapsack or stable set problems or continuous ones like the problem of learning a SVM classifier). Usually, in this setting, such nested optimization problems simulate the fact that there is an underling sequential structure among them, but greedily solving the subproblems without taking into account the problems all together usually leads to far-from-optimal solutions.
1) Maximum Margin Optimal Classification Trees.
Thanks to their interpretability, decision trees have been intensively studied for classification tasks, and due to the remarkable advances in mixed-integer programming (MIP), various approaches have been proposed to formulate the problem of training an Optimal Classification Tree (OCT) as a MIP model. Together with my supervisor Laura Palagi and the PhD student Marta Monaci we worked on a novel mixed-integer quadratic formulation for the OCT problem, which exploits the generalization capabilities of Support Vector Machines for binary classification. Our model, denoted as Margin Optimal Classification Tree (MARGOT), encompasses the use of maximum margin multivariate hyperplanes nested in a binary tree structure. To enhance the interpretability of our approach, we proposed two alternative versions of MARGOT, which include feature selection constraints inducing local sparsity of the hyperplanes. MARGOT has been tested on non-linearly separable synthetic datasets in 2-dimensional feature space to provide a graphical representation of the maximum margin approach. Moreover all the proposed models have been tested on benchmark datasets from the UCI repository. The MARGOT formulation turns out to be easier to solve than other OCT approaches, and the generated tree better generalizes on new observations. The two interpretable versions are effective in selecting the most relevant features and maintaining good prediction quality. Our results are presented in a relative paper [1] which is under review. This work follows from my first PhD year work on Feature Selection with Support Vector Machines and future research will be either focused on tailored algorithm to solve the MARGOT optimization problems more efficiently or on studying how feature selection can be efficiently implemented in the case of nonlinear SVMs.
2) Incremental Knapsack Problems with Submodular Profits.
Incremental knapsack problems are discrete, multi-period extensions of the classical knapsack. We are given n items with nonnegative weights, and for each time we have capacities which increment over time. At every time we are allowed to insert items in - but not remove them from - the knapsack, as long as we respect the total capacity. The goal is to maximize some profit function, the precise definition of which depends on the model. Incremental knapsack problems naturally model situations where available resources increase over time in a predictable manner, such as funds for investments or company budgets. As such, much recent research has been devoted to them. To the best of our knowledge, all such research focused on linear profits. Such functions give therefore an item- and time-dependent reward for each item and time which does not depend on the other items that are in the knapsack at the same time. In the simplest form of linear profits, where the profit of items is constant over time, the resulting problem is called IIK. Already in this very special setting, the problem is strongly NP-Hard, hence strictly harder than the classical knapsack. As more general incremental knapsack problems have been investigated, the techniques used for their solution became more and more involved, departing from those used for classical knapsack problems. Nevertheless these techniques do not seem however to extend beyond linear profit functions.
With professor Yuri Faenza from Columbia University and his former PhD student Lingyi Zhang we initiated the study of incremental knapsack problems with monotone submodular profit functions. Such profits can be useful, e.g., in a setting where a public administration can build two similar venues in nearby locations - say, two playgrounds - and the incremental profits of building them both is less than the sum of the incremental profit of each of them built uniquely. From a theoretical standpoint, maximizing a submodular profit function subject to a knapsack constraint is a classical problem, and a tight (1 - 1/e)-approximation can be obtained by a combination of guessing and combinatorial greedy techniques. However, we know already in the linear case that such techniques do not work in the incremental world, and the quest for tools that can solve the incremental version of the problem is open. In particular we focused on Monotone Submodular All-or-Nothing Incremental Knapsack problem (IK-AoN), where profit functions are monotonically non-decreasing submodular and the insertion of item either realizes the ``full profit'' or no profit at all. Once defined the linearization C' of a class C of IK-AoN instances, our main result shows that if there is an alpha-approximation algorithm for instances in C’, then there is an alpha-approximation algorithm for instances in C. The result implies, for instance, that IK-AoN has a PTAS (using a PTAS for IK). On the flip side, our result implies that the (apx-)hard incremental knapsack problems with submodular profits lie outside the class of All-or-Nothing submodular functions. As our second result, we show that a different version of the problem allowing for more profits then the all or nothing becomes apx-hard. The results of our research are being written on a relative paper [2].
3) Fixed Parameter tractability for computing Pure Nash Equilibria in Combinatorial Potential Games.
This work is an extention of my Master’s Thesis done under the supervision of professors Antonio Sassano from Sapienza University and Carla Michini from University of Wisconsin-Madison. Congestion games are an important class of non-cooperative games which have been intensively studied in recent years. They are a subclass of the so called potential games and each player has to select a feasible subset of resources. The cost associated to each resource is non-decreasing in the total number of players selecting it. In general for potential games it is possible to find a Pure Nash Equilibrium minimizing the so called potential function, which is known to be NP-complete. The aim of my research is studying the fixed parameter tractability of finding a PNE for congestion games where each player solves the same combinatorial optimization problem. In the case of stable set congestion games on chordal graphs, together with prof. Carla Michini from University of Wisconsin, we developed an aggregation/decomposition framework based on dynamic programming which computes a PNE in polynomial time once the treewidth of the graph has been fixed. The questions I am willing to find an answer to are: Q1) Is it possible to extend the two-phase framework to other classes combinatorial congestion games and/or to other graph classes? Q2) Is it possible to use the treewidth of the intersection graph of the matrix constraints in order to parametrize the computational time of solving combinatorial potential games? Our aim is to understand what parameters determining the polynomial tractability of computing a PNE. Regarding the first question described in the abstract, we would like to extend the aggregation/decomposition devised by Del Pia et al. approach to new graph classes and/or other combinatorial congestion games apart from stable set congestion games on perfect graphs. We note that, our findings on stable set congestion games naturally extend to the case of vertex cover and clique cover congestion games, .i.e. congestion games where each player solves a minimum vertex cover problem and a maximum weighted clique cover respectively. Regarding the second question, we think that exploiting what was already done for stable set congestion games, in particular in the aggregation phase, can be extended whenever, instead of considering the tree decomposition of an input graph, we consider the tree decomposition of the itersection graph of the matrix of the constraints. Moreover, if this works, we can further extend the resolution of the aggregation phase to generic potential games, and not just congestion ones. This should make it possible to consider other kinds of potential games apart from the congestion ones. Nevertheless, it is still unclear how it could be possible to solve the decomposition phase once an aggregated strategy has been efficiently found in the case of generic combinatorial potential games. Our findings are being written on a relative paper [3].
--- Pubblicazioni ---
[1] F. D'Onofrio, G. Grani, M. Monaci, L. Palagi, "Maximum Margin Optimal Classification Trees", 2022 (Submitted to European Journal of Operation Research, under review).
Working papers:
[2] F. D'Onofrio, Y. Faenza, L. Zhang, "Incremental Knapsack Problems with All-or-Nothing Submodular Profits";
[3] F. D'Onofrio, C. Michini, "Fixed Parameter Complexity od computing Pure Nash Equilibria in some Combinatorial Potential Games".
> Danilo MENEGATTI (Anno di corso: 2)
--- Frequenza ---
L'attività di ricerca si è svolta in modalità mista, in presenza presso l'aula dottorandi, e il Laboratorio di Controllo delle Reti del Dipartimento di Ingegenria Informatica, Automatica e Gestionale (DIAG), e in remoto presso la mia abitazione.
--- Attività di studio ---
2022 ABRO Course on Advances in Operations Research, May 2022, 16-hours lectures:
Module 1, Sparse Optimization, 02/05/2022 - 10/05/2022, Professor Matteo Lapucci;
Module 2, Clustering and Optimization, 03/05/2022 - 18/05/2022, Professor Veronica Piccialli and Antonio Sudoso.
SIDRA 2022 PhD Summer School, July 2022:
1. Network Systems in Science and Technology, 07/07/2022 - 09/07/2022, 15-hours lectures, Professor Francesco Bullo.
--- Attività di ricerca ---
L'attività di ricerca svolta nell'ultimo anno consiste nel consolidamento dei risultati premilinari ottenuti nell'ambito della commistione della teoria del controllo classica e delle tecniche data-driven, con particolare riguardo alla combinazione Model Predictive Control e reti neurali.
Si è compiuto un capillare studio della letteratura al fine di vagliare la possibilità di estendere la precedente combinazione a scenari decentralizzati; a partire dai risultati ottenuti in [1][7], si sono proposte varianti basate su una loro decentralizzazione basata sulla teoria del consenso [4][5], e si sta affrontando il problema del consenso a tempo finito.
--- Pubblicazioni ---
[1] A. Giuseppi, L. Della Torre, D. Menegatti, A. Pietrabissa, "AdaFed: Performance-based Adaptive Federated Learning," 2021 International Conference on Advances in Artificial Intelligence Proceedings, London, UK, pp. 38-43, 2021. DOI: 10.1145/3505711.3505717
[2] A. Mastronuzzi, D.E. Secco, B. Laus, A. Carai, A. Tozzi, R. Premuselli, F. Delli Priscoli, A. Pietrabissa, A. Giuseppi, D. Menegatti, E. Rizzotto, G. Garone, F. Sciancalepore, E. Lacorte, L. Tarinciotti, G. Remoli, N. Vanacore, "Cognitive Deficits in Children with Brain Tumors: A Project to Create a Software for Cognitive Training," Jorunal of the Neurological Sciences, vol. 429,
pp. 118451, 2021
[3] D. Menegatti, A. Giuseppi, A. Pietrabissa, "Model Predictive Control for Collision-free Spacecraft Formation with Artificial Potential Functions," 2022 Mediterranean Conference on Control and Automation, Athens, GE, pp. 564-570, 2022. DOI: 10.1109/MED54222.2022.9837252
[4] A. Giuseppi, S. Manfredi, D. Menegatti, A. Pietrabissa, C. Poli, "Decentralized Federated Learning for Nonintrusive Load Monitoring in Smart Energy Communities," 2022 Mediterranean Conference on Control and Automation, Athens, GE, pp. 312-317. DOI: 10.1109/MED54222.2022.9837291
[5] A. Giuseppi, S. Manfredi, D. Menegatti, C. Poli, A. Pietrabissa, "Decentralized Federated Learning for Hospital Networks with application to COVID-19 Detection", IEEE Access, vol. 10, pp. 92681 - 92691, 2022. DOI: 10.1109/ACCESS.2022.3202922
[6] F. Sciancalepore, L. Tariciotti, G. Remoli, D. Menegatti, A. Carai, G. Petruzzellis, KP. Miller, F. Delli Priscoli, A. Giuseppi, R. Premuselli, "Computer-Based Cognitive Training in Children with Primary Brain Tumours: A Systematic Review," Cancers, vol. 14, no. 16, pp. 3879 - 3897, 2022. DOI: 10.3390/cancers14163879
[7] A. Giuseppi, L. Della Torre, D. Menegatti, F. Delli Priscoli, A. Pietrabissa, C. Poli, "AdaFed: Performance-based Adaptive Federated Learning," Journal of Advances in Information Technology, in press [conference extended version], 2022.
[8] F. Baldisseri, A. Maiani, E. Montecchiani, F. Delli Priscoli, A. Giuseppi, D. Menegatti, V. Fogliati, "Artificial Intelligence and Music Therapy in Support of Pediatric Neurorehabilitation," Healthcare, in press, 2022.
> Davide MEROLLA (Anno di corso: 2)
--- Frequenza ---
L'attività di ricerca relativa all'anno 2021/2022 si è svolta interamente al DIAG.
--- Attività di studio ---
Seminari:
01/03/2022 Gurobi Tech Talk
13/04 -17/05-16/06 Plus Ultra Big Data
06/05 seminario Professoressa Dolores Morales
22/09 Gurobi Supply Chain Optimization
Scuole di dottorato
03/07-09/07 Scuola di dottorato OBA
01-02/08 Scuola di dottorato EUROPT
--- Attività di ricerca ---
L'attività di ricerca condotta nell'anno 2021/2022 ha percorso una duplice strada:
1) la direzione, già intrapresa a partire dal primo anno, sull'assortment optimization
2) la linea più recente, avviata all'inizi del 2022, sul price optimization.
Per quanto riguarda l'assortment optimization, è stata realizzata una literature review relativa al problema in esame, portate avanti delle prove numeriche e iniziata la scrittura dell'articolo associato (ora nelle sue fasi centrali).
Per ciò che concerne il price optimization, si è dato inizio alla fase di studio del problema (tramite letture di manuali e incontri con esperti) e, una volta pervenuto il set di dati dalla società esterna, si è proceduto con la pulizia del dato e l'analisi dello stesso per poter recuperare informazioni utili alla formulazione e risoluzione del problema.
Non appena l'articolo su assortment optimization verrà ultimato, si proseguirà con il completamento (modello, implementazione e scrittura del paper) del progetto sul price optimization
Entrambe le attività sono state portate avanti nella completa sinergia fra accademia ed impresa al fine di preservare la natura di ricerca industriale che contraddistingue tale percorso di dottorato.
--- Pubblicazioni ---
> Marta MONACI (Anno di corso: 2)
--- Frequenza ---
Le principali attività di Dottorato sono state svolte presso DIAG Sapienza - Dipartimento di Ingegneria Informatica, Automatica e Gestionale Antonio Ruberti.
Attualmente, a partire dal 15 Settembre 2022, sto svolgendo un periodo di visiting all'estero presso il Diparimento di Economia della Copenhagen Business School (Copenhagen, Danimarca) per svolgere attività di ricerca nell'ambito di "Interpretable Machine Learning" sotto la supervisione della Professoressa Dolores Romero Morales.
--- Attività di studio ---
Courses and Schools:
EUROPT Summer School 2022 organized by the EURO Working Group on Continuous Optimization
1-2 August 2022, NOVA School of Science and Technology (Lisbon, Portugal)
Courses:
- First Order Optimization Methods
Marc Teboulle, Tel Aviv University (6 hours)
- Equilibrium Selection: A Rendezvous of Nash Games, Multicriteria Optimization, and
Semi-infinite Programming
Oliver Stein, Karlsruher Institut für Tecnologie (6 hours)
2022 ABRO Course on Advances in Operations Research
May 2022, DIAG Sapienza (5 CFU)
- Module 1. Sparse Optimization
Matteo Lapucci, Università di Firenze
02/05/2022, 03/05/2022, 09/05/2022, 10/05/2022 - DIAG Sapienza, Rome
- Module 2. Clustering and Optimization
Veronica Piccialli e Antonio Sudoso, DIAG Sapienza
03/05/2022, 10/05/2022, 17/05/2022, 18/05/2022 - DIAG Sapienza, Rome
Conferences:
Online seminar series Machine Learning NeEDS Mathematical Optimization
organized by Emilio Carrizosa (IMUS-Instituto de Matemáticas de la Universidad de Sevilla) and Dolores Romero Morales (CBS-Copenhagen Business School)
Every Monday - online (link: https://congreso.us.es/mlneedsmo/)
Il 3 Ottobre 2022, ho presentato il seguente lavoro:
"Maximum Margin Optimal Classification Trees"
EUROPT 2022
19th International Workshop on Advances in Continuous Optimization and Summer School
29-30 July 2022, NOVA School of Science and Technology (Lisbon, Portugal)
Ho presentato il seguente lavoro:
"Maximum Margin Optimal Classification Trees"
AIROYoung 2022
6th AIROYoung Workshop on "Operations Research and Data Science in Public Service"
23-25 February 2022, Roma Tre University (Rome, Italy)
Ho presentato il seguente lavoro:
"Maximum Margin Optimal Decision Trees"
Seminar: Lower Bounds for Ramsey Numbers on Circulant Graphs: A Bilevel Optimization Approach
Ivana Ljubic
9 December 2021, DIAG Sapienza University of Rome
NVIDIA AI Tech Center Explained
11 November 2021, DIAG Sapienza University of Rome
--- Attività di ricerca ---
In questo secondo anno, la mia attività di ricerca si è svolta principalmente su due argomenti:
- Machine Learning Interpretabile: alberi decisionali ottimi
Negli ultimi anni c'è stata un'attenzione crescente verso modelli di Machine Learning (ML) intepretabili che possono essere di supporto in molti contesti reali, come quello della medicina e della sanità. I metodi all'avanguardia di ML (Deep Neural Network, Random Forest...) spesso sono come "black box", non in grado di fornire spiegazioni riguardo le decisioni prese dall'algoritmo. Diversamente, gli alberi decisionali di classificazione, tecniche di ML per problemi di classificazione, vengono ampiamente utilizzati per la loro struttura trasparente e facilmente interpretabile. Basandosi sul training set, un albero di classificazione partiziona ricorsivamente lo spazio delle feature attraverso degli "split", ed assegna una classe ad ogni partizione ottenuta. I futuri punti verranno classificati in base agli split e alle classi definiti nella fase di training. Recentemente, al fine di superare i limiti delle tradizionali euristiche, è nato un nuovo filone di ricerca mirato ad applicare metodi di programmazione matematica, in particolare mista-intera, per costruire alberi di classificazione ottimi.
Dopo uno studio e approfondimento della relativa letteratura, sotto la guida della Prof.ssa Laura Palagi e in collaborazione con un altro dottorando, abbiamo sviluppato una nuova formulazione quadratica mista-intera per costuire un albero decisionale ottimo per risolvere istanze di classificazione binaria. In particolare, il nostro modello si basa sul problema primale convesso quadratico delle Support Vector Machine (SVM). Lo scopo è quello di ereditare le proprietà di generalizzazione di questo approccio, applicando il paradigma soft-SVM per definire gli split dell'albero. Ad ogni nodo, la regola di split viene definita da un iperpiano a massimo margine, generato risolvendo problemi di tipo SVM annidati lungo la struttura gerarchica dell'albero decisionale. Da qui, il nome di Margin Optimal Classification Tree (MARGOT). Al fine di migliorare l'intrepretabilità dell'approccio, abbiamo sviluppato due versioni di MARGOT in cui viene ottimizzata anche la sparsità locale degli iperpiani di split. In particolare, abbiamo incorporato nel modello techiche di Feature Selection (FS) al fine di limitare il numero di feature utilizzate ad ogni split dell'albero. Abbiamo testato MARGOT e le due versioni con FS su dataset di benchmark (UCI Repository) e abbiamo confrontato i risultati con quelli di altri modelli tradizionali di alberi ottimi, tra cui il famoso modello lineare misto-intero sviluppato da Bertsimas e Dunn nel 2017. In conclusione, il modello proposto sembra essere più semplice da risolvere, raggiungendo e certificando l'ottimo nella maggior parte dei casi e con performance di generalizzazione migliori. Analogamente, le due versioni interpretabili di MARGOT risultano essere efficienti nella selezione delle feature più importanti mantenendo una buona qualità di predizione.
A Settembre 2022, abbiamo così sottomesso il paper [3] su European Journal of Operations Research. Inoltre, il lavoro è stato da me presentato a più conferenze (AIROYoung 2022 a Roma, EUROPT 2022 a Lisbona e nella serie di seminari online Machine Learning NeEDS Mathematical Optimization).
Durante il mese di Maggio, la Professoressa Dolores Romero Morales, esperta in Data Science Interpretabile, ha svolto un periodo di visiting presso il DIAG. Ho così avuto la possibilità di porre le basi per una collaborazione futura. Attualmente mi trovo alla Copenaghen Business School, sotto la sua supervisione, per proseguire il progetto iniziato in ambito di Machine Learning Interpretabile.
- Applicazioni di algoritmi di Deep Reinforcement Learning per risolvere problemi complessi di ottimizzazione mista-intera
Il Reinforcement Learning (RL), paradigma di Machine Learning, modella un tipo di apprendimento che avviene attraverso l'interazione tra un agente e l'environment che lo circonda, al fine di massimizzare un determinato obiettivo nel lungo periodo. L'interazione tra agente ed environment viene formalizzata dai processi decisionali di Markov (MDP), descrivendo l'interazione in termini di stato, azione, funzione di reward e funzione di transizione allo stato successivo. Quindi, l'agente dovrà apprendere una strategia di selezione delle azioni al fine di massimizzare il suo obiettivo. Negli algoritmi di Deep Reinforcement Learning (DRL), l'agente stima funzioni di RL attraverso Deep Neural Network per apprendere la strategia ottima.
All'inizio del secondo anno di dottorato, in collaborazione con Giorgio Grani (Assegnista di Ricerca presso il Dipartimento di Scienze Statistiche della Sapienza Università di Roma), ho sottomesso il paper [2] su European Journal of Operations Research (EJOR).
In questo articolo, abbiamo sviluppato un algoritmo di RL di tipo policy-gradient per sviluppare un'euristica greedy per risolvere il Job Shop Scheduling (JSSP), problema complesso di ottimizzazione mista-intera. Il nostro contributo si è basato principalmente su:
- rappresentazione del JSSP come MDP finito;
- idea e sviluppo del modello di Deep Neural Network, usando due reti concatenate di tipo Long
Short-Term Memory. Questo modello permette di rendere il metodo flessibile e quindi in grado
di gestire problemi di dimensione diversa;
- adattamento dell'algoritmo al JSSP;
- implementazione efficiente su Python del metodo usando Libreria PyTorch.
Inizialmente, per testare le performance del metodo proposto, abbiamo confrontato i risultati con quelli del solutore commerciale CPLEX. Dopo aver ricevuto la major revision da EJOR, abbiamo confrontato il metodo proposto con euristiche tradizionali per il JSSP ("Priority dispatching rules") e con i due seguenti algoritmi:
- Un algoritmo di tipo "adaptive", proposto da Sotskov et al., che usa il modello a grafo misto disgiuntivo per rappresentare il JSSP e applica la strategia di "conflict resolution" per produrre soluzioni ammissibili;
- Un algoritmo basato sul "Temporal Difference Learning" (altro metodo di RL), proposto da Zhang e Dietterich, mirato a imparare euristiche "riparative" in grado di produrre una soluzione ammissibile di buona qualità.
Abbiamo così mostrato come il metodo proposto sia in grado di generalizzare su nuove istanze producendo soluzioni migliori (in termini di valore della funzione obiettivo) rispetto alle euristiche e gli algoritmi usati come benchmark.
--- Pubblicazioni ---
Technical Report:
[1] C. Coppola, G. Grani, M. Monaci, L. Palagi, "Heuristics for the Traveling Salesperson Problem based on Reinforcement Learning," In DEPARTMENT OF COMPUTER, CONTROL, AND MANAGEMENT ENGINEERING ANTONIO RUBERTI TECHNICAL REPORTS, 2021. ISSN:2281-4299
Pre-prints:
[2] M. Monaci, V. Agasucci, G. Grani, "An actor-critic algorithm with deep double recurrent agents to solve the job shop scheduling problem," 2021.
(Sumbitted to European Journal of Operations Research - Under review)
[3] F. D'Onofrio, G. Grani, M. Monaci, L. Palagi, "Margin Optimal Classification Trees," 2022. (Sumbitted to European Journal of Operations Research - Under review)
> Andrea Tantucci (Anno di corso: 2)
--- Frequenza ---
L’attività si è svolta sia al DIAG, sia nell’azienda Thales Alenia Space Italia dove sto portando avanti un progetto di ricerca legato al curriculum automatica.
--- Attività di studio ---
1. 02/05/2022 - 06/05/2022: Corso EECI M10 - Predictive and Optimization Based Control for Automotive and Aerospace Applications.
Speakers: Professor Stefano di Cairano (Mitsubishi Electric Res. Lab Boston, USA); Professor Ilya Kolmanovsky (University of Michigan, USA).
Credits: 3
2. 03/07/2022 - 09/07/2022: Scuola SIDRA 2022 - Courses:
Nonlinear and Adaptive Control Techniques for Advanced Aerospace Systems,
Speaker: Professor Andrea Serrani (Department of Electrical and Computer Engineering, The Ohio State University, Columbus, OH, USA);
Network Systems in Science and Technology,
Speaker: Professor Francesco Bullo (Department of Mechanical Engineering, College of Engineering,University of California, Santa Barbara, CA, USA).
3. September-October 2022: ABRO Course on Advances on Bioengineering - Network Analysis for Health and Medicine.
Speakers: Professor Maria Petti (DIAG Sapienza); Professor Pietro Aricò (DIAG Sapienza), Professor Maria Grazia Puxeddu (Department of Psychological and Brain Sciences, Indiana University, Bloomington, IN, USA)
Credits: 5
--- Attività di ricerca ---
In questo anno accademico ho lavorato in collaborazione con Thales Alenia Space Italia nellambito di due progetti di ricerca legati da un tema comune: Orbit Determination.
Ho terminato il progetto di cui mi stavo occupando lo scorso anno riguardante la Precise Orbit Determination di un satellite in orbita bassa terrestre (LEO) utilizzando un Extended Kalman Filter con input le misure GNSS provenienti dalle stazioni di terra. Il progetto è terminato con un articolo. Attualmente stiamo scegliendo la rivista a cui inviarlo con il mio coordinatore.
Da settembre ho iniziato ad occuparmi di un altro progetto sempre riguardante la Orbit Determination, ma di un satellite in orbita lunare. Questo progetto è volto allunione di due metodologie, il machine learning e il filtro di Kalman, per stimare posizione e velocità di un satellite utilizzando come punto di riferimento i crateri lunari acquisiti come immagini.
--- Pubblicazioni ---
> Andrea Wrona (Anno di corso: 2)
--- Frequenza ---
L'attività, nel corso dell'anno, si è svolta interamente presso il DIAG.
--- Attività di studio ---
1. La scrittura tecnico-scientifica. Speaker: Emilio Matricciani. Febbraio 2022, 24 ore, 4 crediti, in presenza presso la Facoltà di Ingegneria Civile e Industriale - Sapienza SPV.
2. SIDRA 2022, Bertinoro (FC), Luglio 2022,
Speakers: Andrea Serrani, Francesco Bullo. 30 ore, in presenza.
--- Attività di ricerca ---
Il primo filone di ricerca del sottoscritto riguarda metodi di ottimizzazione dinamica, sia centralizzata che distribuita, per risolvere il problema di assegnazione delle risorse in sistemi Multi-RAT. È lo scenario in cui un device può connettersi a più Access Points, anche facenti parte di diverse radio access technologies, quali 4G-LTE, 5G-NR o Satellite. Tale framework è pensato a ridurre i tempi di latenza e il carico sugli access points in applicazioni di mobile Virtual & Augmented Reality. Tale topic si colloca nell'ambito del progetto di ricerca ESA VADUS.
Gli algoritmi di controllo sono stati implementati utilizzando tecniche di Reinforcement Learning tabulare e di tipo continuo (con l'ausilio di reti neurali standard e convoluzionali). Al momento è in corso la stesura di un articolo scientifico di progetto con la collaborazione dei partners di progetto.
L'altro filone di ricerca è legato allo studio delle comunicazioni satellitari ottiche, con particolare enfasi alla tecnica della site diversity per dirottare le trasmissioni satellitari verso receivers collocati in zone non soggette ad eventi atmosferici avversi. Tale argomento è legato al progetto ESA HydRON (o altrimenti detto HyDEMO).
Al momento le attività comprendono la definizioni di algoritmi decisionali dinamici mediante Deep Reinforcement Learning.
--- Pubblicazioni ---
================================================================================================
RELAZIONE ATTIVITA’ DI STUDIO E RICERCA SVOLTA NELL'A.A. 2021/2022 DAI DOTTORANDI ISCRITTI AL 35° CICLO (III ANNO DI CORSO)
L’attività di studio e di ricerca degli studenti ABRO iscritti al ciclo 35 si è svolta regolarmente.
Sono iscritti al ciclo 35:
Valerio Agasucci
Federico Battista
Marco Capotondi
Emanuele De Santis
Valeria De Seta
Manuel Donsante
Muhammad Imran
Aldo Lazich
Diego Maria Pinto
Edoardo Maria Polo
Filippo Maria Smaldone
Paolo Maria Viceconte
> Valerio Agasucci (Anno di corso: 3)
--- Frequenza ---
Le principali attività di Dottorato sono state svolte presso Optrail s.r.l. (Roma)
--- Attività di studio ---
ABRO courses:
2020 ABRO Course on Advances in Automatic Control: "Cybersecurity and Control" (5 CFU):
- Module 1 online: Modeling and optimal control of computer virus propagation - P. Di Giamberardino and D. Iacoviello (15/04/2020)
- Module 2 online: Almost equitable partitions and geometry of the network structure: Applications to cyber-physical systems - M. Mattioni and S. Monaco (17/04/2020)
- Module 3 online: Control allocation and geometric control for cyber-physical security - A. Cristofaro (22/04/2020)
- Module 4 online: Modeling of cyber-physical systems and attacks - F. Liberati (24/04/2020)
2020 ABRO Course on Advances in Bioengineering: "Bioengineering and Personalized Medicine" (5 CFU):
- Module 1 online: The role of the Engineer in Precision Medicine - M. Petti (15/09/2020)
- Module 2 online: Advances in Brain Networks Estimate: from Clinical Application to Social Neuroscience - J. Toppi (17/09/2020)
- Module 3 online: The importance of Data Science and Signal Processing in the Clinical Setting - R. Barbieri (22/09/2020)
- Module 4 online: Toward a Transformation of Medicine: A Network Approach - P. Paci (24/09/2020)
Scuola di Dottorato: AIRO PhD School 2021 Optimization and Data Science: Trends and Applications 8-10 febbraio 2021 (online) (16 ore) (6 CFU)
Optimization Models for Machine Learning 22-26 marzo 2021 tenuto dal Professor Antonio Fuduli, Università della Calabria (online) (4CFU)
A beautiful paper"
24 February 2021
Speakers: Edoardo Amaldi, Renato De Leone, Andrea Lodi, Maria Grazia Speranza
2021 ABRO Course on Advances in Operations Research: Trends in Mathematical Optimisation Theory and Applications - May-June 2021 (5 CFU)
- Module 1. Introduction to Semidefinite Programming
Marianna De Santis, DIAG Sapienza 10/05/2021, 12/05/2021, 17/05/2021, 19/05/2021, DIAG
Sapienza, Rome and online
- Module 2. Introduction to scheduling problems
Alessandro Agnetis, Università degli Studi di Siena 25/05/2021, 01/06/2021, 08/06/2021
15/06/2021, online
Seminario La Ricerca Operativa nel Trasporto Ferroviario 26/05/2021 tenuto da Ing. Alessandro Mascis
Seminario "Recent developments of real-time train scheduling optimization", 3 settembre 2021 tenuto dal Professor Carlo Mannino, SINTEF (online)
--- Attività di ricerca ---
Durante i tre anni di Dottorato sono state portate avanti diverse tematiche; a ciascuna dedicheremo una sezione.
Una prima attività di ricerca si è focalizzata in un primo momento sia sullo studio del problema del dispatching ferroviario e delle regole generali che lo caratterizzano che sui differenti algoritmi di reinforcement learning presenti in letteratura. Successivamente, partendo dal paper "A Scalable Reinforcement Learning Algorithm for Scheduling Railway Lines", Khadilkar, IEEE TRANSACTIONS ON INTELLIGENT TRANSPORTATION SYSTEMS, 2019, dove il problema del dispatching viene risolto con un algoritmo di Q-Learning, sono stati implementati due algoritmi Deep Q-Learning per la risoluzione di questa classe di problemi.
La differenza principale tra i due algoritmi proposti risiede nella definizione dello stato: in un primo è locale, ovvero ciascun treno su cui deve esser presa un'azione ha una visione solo su alcune risorse della rete (vicine a quella dove si trova); mentre nel secondo è globale quindi lo stato descrive la situazione su tutta la rete e le decisioni vengono prese sulla base di questo.
Entrambi gli algoritmi hanno registrato performance migliori rispetto al classico algoritmo di Q-Learning e sulla base di tali risultati è stato sottomesso un artico.
Successivamente, si sono sviluppati alcuni algoritmi di tipo Actor-Critic che combinano un approccio di tipo policy improvement con uno di tipo value estimation. Gli algoritmi testati sono stati l'A2C (Mnih, Volodymyr, et al. "Asynchronous methods for deep reinforcement learning." International conference on machine learning. PMLR, 2016.) il TRPO (Schulman, John, et al. "Trust region policy optimization." International conference on machine learning. PMLR, 2015)
e una versione di TRPO modificata da noi. Le reti neurali usate per stimare sia la policy che la value sono reti graph convolutional che permettono non solo di rappresentare la rete ferroviaria come un grafo - un nodo è una banchina o un binario mentre esiste un arco se due risorse (banchina o binario sono connesse) - ma gode anche di notevole flessibilità - si può cambiare facilmente rete ferroviaria senza dover riaddestrare la rete neurale. I risultati avuti sono notevolmente migliori di quelli ottenuti con approcci di tipo Q-Learning e Deep Q-Learning; in particolare si ottengono nei confronti degli approccio Q-Learning e Deep Q-Learning centralizzato, ritardi che sono un terzo minori, mentre nei confronti di un approccio Deep Q-Learning decentralizzato i ritardi sono il 20% più bassi in media. L'approccio Deep Q-Learning decentralizzato si differenzia dal centralizzato per una visione dello stato più ridotta (ciascun treno non vede tutta la rete ma solo alcune risorse che ha attraversato e altre che attraverserà).
Tale lavoro è stato presentato e raccolto nel proceedings della conferenza RailBeijing tenutasi a novembre 2021.
Sempre attinente al reinforcement learning si è sviluppato un algoritmo per il Job Shop Scheduling (JSSP) problema di ottimizzazione mista-intera. In particolare si è rappresentato il JSSP come un Markov Decision Process finito. Inoltre si è usato una rete neurale di tipo Long
Short-Term Memory (LSTM) per selezionare il successivo job da schedulare e allo stesso tempo permettere alla rete di essere flessibile (ovvero riuscire a schedulare istanze con dimensioni differenti sia per numero di macchine che per numero di job).
Il nostro algoritmo è stato confrontato con:
-il solutore commerciale CPLEX;
-euristiche tradizionali per il JSSP (Priority dispatching rules);
- Un algoritmo di tipo "adaptive", proposto da Sotskov et al., che usa il modello a grafo misto disgiuntivo per rappresentare il JSSP e applica la strategia di "conflict resolution" per produrre soluzioni ammissibili;
- Un algoritmo basato sul "Temporal Difference Learning" (altro metodo di RL), proposto da Zhang e Dietterich, mirato a imparare euristiche "riparative" in grado di produrre una soluzione ammissibile di buona qualità.
Abbiamo quindi mostrato come il metodo proposto da noi sia in grado di generalizzare su nuove istanze producendo soluzioni migliori (in termini di valore della funzione obiettivo) rispetto alle euristiche e gli algoritmi usati come benchmark.
Un paper che tratta questa tematica è stato sottomesso dopo una major revision.
Un'altra attività di ricerca, invece, ha riguardato la tematica del block planning che si inserisce nel contesto più ampio del service network design in ambito ferroviario. Dato un insieme di vagoni che possono trasportare o meno merci partenti da una certa origine e aventi una certa destinazione (banalmente delle stazioni) il problema del block planning ha l'obiettivo di formare dei blocchi (aggregazione logica di vagoni che condividono un tratto del loro tragitto) e definire le stazioni (yards) dove avvengono operazioni di riclassificazione (il blocco viene sciolto e viene formato un nuovo blocco con nuovi vagoni) in modo da portare a destinazione le merci. Il problema presenta come vincoli principali il numero di track che ha a disposizione ciascuna stazione (su un track può essere formato al piu' un blocco) e la capacità in termini di lunghezza di ciascun track. Le formulazioni implementate sono state diverse (sia di tipo path che multi-commodity flow) così come gli approcci seguiti. Infatti il problema è molto grande (parliamo di 150 yards e migliaia di commodities). L'approccio più promettente consiste nel limitare il numero di variabili limitando il numero di yards che possono fare delle ri-classificazioni. Per raggiungere questo obiettivo si è deciso di adottare un algoritmo di iterative rounding che fissa le variabili associate a ciascuno yard a 0 o a 1 a seconda se lo yard può o non può fare riclassificazioni. Inoltre per diminuire ulteriormente il numero di variabili si è provveduto a inserire la generazione sia di tagli che di colonne prima della risoluzione del problema usando la PLI.
Un'altra tematica di ricerca portata avanti ha riguardato il problema del partizionamento di una regione ferroviaria in regioni più piccole. In particolare dato un insieme di stazioni e track (eventualmente raggruppati tra loro a formare un'unica entità) l'obiettivo che si è voluto raggiungere è stato quello di assegnare a ciascuna stazione e track una e una sola regione rispettando determinati vincoli. In particolare assegnando un peso a ciascune elemento della rete che è indice del traffico presente su quel track o stazione si procede a minimizzare il traffico sui track di confine tra le diverse regioni soddisfando dei vincoli sia in termini di complessità di ciascuna regione (complessità data dal traffico presente nella regione) che vincoli sulla distanza tra regioni confinanti.
Un'altra tematica di ricerca si propone di utilizzare delle tecniche di tipo Local Search su un problema di dispatching ferroviario: scendendo più nel dettaglio, dati i routing e le stazioni di incontro di ciascun treno, l'algoritmo dovrà scegliere a ogni iterazione quali meet e routing liberare e quali lasciare fissati per migliorare la soluzione iniziale.
Un altro filone di ricerca ha riguardato gli algoritmi euristici per la risoluzione di problemi MILP. In particolare è stato implementato un algoritmo che unisce feasibility pump e shifting per trovare una soluzione ammissibile a questa classe di problemi. I risultati sono seppur non esaltanti, abbastanza soddisfacenti e nel prossimo futuro l'approccio potrebbe subire variazioni migliorative importanti.
--- Pubblicazioni ---
V. Agasucci, G. Grani, L. Lamorgese, "Learning to Dispatch: Deep Reinforcement Learning and Graph Convolutional Neural Networks for the Train Dispatching Problem", 2021
Collected in the proceedings of ReilBeijing 2021.
Pre-print:
M. Monaci, V. Agasucci, G. Grani, "An actor-critic algorithm with deep double recurrent agents to solve the job shop scheduling problem," 2021.
(Sumbitted to European Journal of Operations Research - Under review)
V. Agasucci, G. Grani, L. Lamorgese, "Solving the Train Dispatching problem via Deep Reinforcement Learning", 2021
(Submitted to IEEE Transactions on Intelligent Transportation Systems - Under review)
V. Agasucci, C. Coppola, G. Grrani, "PUSH: a primal heuristic based on Feasibility PUmp and SHifting", 2022
> Federico BATTISTA (Anno di corso: 3)
--- Frequenza ---
Anno Accademico 2019-2020:
Presso DIAG, supervisionato da prof. Marianna De Santis
Presso UNIVAQ, supervisionato da proff. Stefano Smriglio e Fabrizio Rossi
In remoto, causa lockdown
Anno Accademico 2020-2021:
Presso DIAG, supervisionato da prof. Marianna De Santis
Presso UNIVAQ, supervisionato da proff. Stefano Smriglio e Fabrizio Rossi
Anno Accademico 2021-2022:
Presso DIAG, supervisionato da prof. Marianna De Santis
Presso UNIVAQ, supervisionato da proff. Stefano Smriglio e Fabrizio Rossi
Presso Alpen-Adria-Universitat (Klagenfurt, Austria),
supervisionato da prof. Angelika Wiegele (1 Febbraio - 31 Luglio)
A
--- Attività di studio ---
PhD Courses:
- Semidefinite Programming and Discrete Optimization
Data: Ottobre-Novembre 2019
Durata: 24 ore
Docente: Angelika Wiegele (Alpen-Adria-Universität Klagenfurt)
Località: Università degli Studi di Roma "Tor Vergata"
- Introduction to Quantum Computing
Data: Gennaio-Febbraio 2020
Durata: 13 ore
Docenti: Leonardo Guidoni (Università degli Studi dell'Aquila),
Francesco Benfenati (Università degli Studi dell'Aquila)
Località: Dipartimento di Ingegneria e Scienze dell'Informazione e Matematica,
Università degli Studi dell'Aquila
- 2020 ABRO Course on Advances in Automatic Control: Cybersecurity and Control
Data: Aprile 2020
Durata: 16 ore
Crediti: 5
Docenti: P. Di Giamberardino, D. Iacoviello, M. Mattioni, S. Monaco, A. Cristofaro, F.
Liberati
Località: DIAG Sapienza (Online)
- 2020 ABRO Course on Advances in Bioengineering and Personalized Medicine
Data: Settembre 2020
Durata: 16 ore
Crediti: 5
Docenti: Manuela Petti, Jlenia Toppi, Riccardo Barbieri, Paola Paci
Località: DIAG Sapienza (Online)
PhD Schools
- AIRO PhD School: Optimization and Data Science: Trends and Applications
Data: 8-12 Febbraio, 2021
Durata: 16 ore
Località: in remoto
- EUROPT Summer School 2021
Data: 30 Agosto - 1 Settembre 2021
Durata: 12 ore
Località: in remoto
- ALGADIMAR: European Summer School on Learning in Games, Markets, and Online Decision Making
Data: 6-10 Settembre, 2021
Durata: 24 ore
Località: in remoto
- “Summer school on Aspects of Optimization” (Klagenfurt AAU, Austria) 12-16 settembre 2022
--- Attività di ricerca ---
Finding the stability and the chromatic number of a graph are two among the fundamental problems in combinatorial optimization. Both problems are well-known to be NP-hard, hence no polynomial time algorithm to solve them exactly is expected to exists unless P=NP. Thus, the study of strong relaxations of these two problems is a well-researched topic. In particular, the Lovász theta function provides at the same time a good upper bound on the stability number of a graph G and a lower bound on the chromatic number of its complement. It can be computed in polynomial time by solving a semidefinite program, which in addition turns often out to be fairly tractable in practice. As a consequence, theta function achieves a hard-to-beat trade-off between computational effort and strength of the bound. Hierarchies of relaxations to strengthen the theta function both towards the stability and chromatic number have been documented, but in general such improvements come at a heavy computational burden with off-the-shelf SDP algorithms and require highly specialized methods to be addressed.
In the last decades, Lift-and-Project methods have gained a lot of attention, being able to generate strong relaxations for combinatorial optimization problems. In particular, starting from any linear relaxation Lovász and Schrijver’s Lift-and-Project framework generates a semidefinite relaxation. Its application to the fractional stable set polytope showed its potential, producing bounds stronger than the theta function but in general they come at a nontrivial computational cost.
During our research, we’ve introduced a new semidefinite relaxation for the stable set problem obtained by the lifting of a more compact linear formulation than the classical one. Then, we characterize some classes of valid inequalities for the stable set polytope which are implied by our proposal. We then discussed how to face the computational burden arising from these semidefinite programs by the employment of a general purpose solver for SDPs.
Despite Lift-and-Project applications have been widely studied on the Stable Set problem, to the best of our knowledge none on the Graph Coloring problem have been presented. We investigate its employment in this problem, showing that the resulting SDP can yield bounds above the fractional chromatic number, a remarkable threshold not so straightforward to cross with semidefinite programming.
Although interior-point methods achieve good accuracy in reasonable time for small and medium size SDPs, their scalability to large instances is often compromised by memory requirements. On the other hand, Alternating Direction Methods of Multipliers currently represent the most popular first-order alternatives, being suited to scale to much larger semidefinite programs. This of course at some cost in accuracy, that should be correctly addressed when bounding the optimal solution of some combinatorial optimization problem. Our contribution focus on an ADMM designed for SDPs in standard form and extended to deal with inequalities. Moreover, we investigated different methods to compute a valid bound on the optimal value of the SDP starting from a medium accuracy solution and we discuss the employments of these methodologies within ADMMs.
--- Pubblicazioni ---
Pubblicazioni attualmente in revisione
[1] F. Battista, M. De Santis, “Dealing with inequality constraints in large scale semidefinite relaxations for graph coloring and maximum clique problems”, arXiv:2106.12411
> Marco Capotondi (Anno di corso: 3)
--- Frequenza ---
La mia attività di ricerca è stata sostenuta interamente a Roma, al DIAG.
--- Attività di studio ---
- ABRO 2020 COurse on Advances in Automatic Control: “Cybersecurity and Control”, 5 crediti
- Corso di scrittura tecnico-scientifica tenuto dal Prof.Emilio Matricciani presso la Facoltà di Ingegneria della Sapienza Università di Roma, 28/01/2020, 29/01/2020, 04/02/2020, 05/02/2020, 4 crediti (24 h)
- Corso del Dottorato del Politecnico di Milano "Sliding Mode Control: Theory and Applications" 17/02/2020-21/02/2020, gestito dalla prof.ssa Mara Tanelli, 5 crediti (24 h)
- Scuola di dottorato SIDRA 2021, "Game Theory and Network Systems - Modeling and Control of Soft Robots", Bertinoro 12-17 Luglio 2021, 6 crediti
- ABRO 2021 Course on Advances in Automatic Control: “Health and Control”, 5 crediti
- ABRO 2021 Course on Advances in Operations Research: “Trends in Mathematical Optimisation - Theory and Applications”, 5 crediti
- ABRO 2022 Course on Advances in Operations Research: “Sparse Optimization + Clustering and Optimization”, 5 crediti
- ABRO 2022 Course on Advances in Bioengineering:” Network Analysis for Health and Medicine”, 5 crediti
--- Attività di ricerca ---
Nel corso dei 3 anni è stata svolta un'attività di ricerca finalizzata nello sviluppo di tecniche di controllo data-driven per la realizzazione di un accurato inseguimento di traiettoria nel caso di sistemi robotici comandati in coppia. In particolare l'attività è stata focalizzata sullo sviluppo di tecniche in assenza di sensori di coppia e tramite l'analisi specifica dei dati raccolti su varie tipologie di piattaforme robotiche. In questo contesto sono state prodotte delle pubblicazioni nei diversi ambiti di applicazione: in [1] è stato presentato l'algoritmo di base e la sua applicazione su sistemi completamente attuati; in [3] l'algoritmo è stato esteso nel caso di sistemi sottoattuati, tramite l'introduzione di una fase offline di pianificazione; infine in [6] la stessa tecnica di [1] è stata utilizzata per la realizzazione di compiti Cartesiani, risolvendo la ridondanza in modo da favorire l'algoritmo di apprendimento ed incrementare le prestazioni.
Lateralmente nel corso dei 3 anni sono stati forniti contributi nell'ambito di tecniche di manipolazione robotica di sistemi con tecniche di apprendimento automatico [4] e sviluppo di un algoritmo di identificazione per robot manipolatori nel caso in cui siano presenti segnali di corrente in ampiezza ma senza segno [5].
--- Pubblicazioni ---
[1] M. Capotondi, G. Turrisi, C. Gaz, V. Modugno, G. Oriolo, A. De Luca, "An online learning procedure for feedback linearization control without torque measurements,” 3th Conference on Robot Learning, Osaka, JPN, Oct 2019. In: Proceedings of Machine Learning Research, vol. 100, pp. 1359-1368, 2020.
[2] M. Capotondi, G. Turrisi, C. Gaz, V. Modugno, G. Oriolo, A. De Luca, “Learning feedback linearization control without torque measurements,” 2nd Italian Conference on Robotics and Intelligent Machines, pp. 131-134, 2020. DOI: 10.5281/zenodo.4781489
[3] G. Turrisi, M. Capotondi, C. Gaz, V. Modugno, G. Oriolo, A. De Luca, “On-line learning for planning and control of underactuated robots with uncertain dynamics,” IEEE Robotics and Automation Letters, vol. 7, no. 1, pp. 358–365, 2022. DOI: 10.1109/LRA.2021.3126899
[4] L. Monorchio, M. Capotondi, M. Corsanici, W. Villa , A. De Luca , F. Puja, "Transfer and continual supervised learning for robotic grasping through grasping features,” 1st International Workshop on Continual Semi-Supervised Learning, Montreal, CAN, Aug 2021. In: F. Cuzzolin, K. Cannins, V Lo Monaco (Eds.), Continual Semi-Supervised Learning, Lecture Notes in Computer Science, vol. 13418, pp. 33–47, 2022. DOI: 10.1007/978-3-031-17587-9_3
[5] M. Pennese, C. Gaz, M. Capotondi, V. Modugno, A. De Luca, "Identification of robot dynamics from motor currents/torques with unknown signs,” 3th Italian Conference on Robotics and Intelligent Machines, pp. 125-128, 2021. DOI: 10.5281/zenodo.6367963
[6] M. Ficorilli, M. Capotondi, V. Modugno, A. De Luca, "Exploiting robot redundancy for online learning and control,’’ 4th Italian Conference on Robotics and Intelligent Machines, Rome, ITA, Oct 2022.
> Emanuele De Santis (Anno di corso: 3)
--- Frequenza ---
L'attività è stata svolta interamente al DIAG.
--- Attività di studio ---
ABRO 2020 Course on Advances in Automatic Control: Cybersecurity and Control, April 15, 17, 22, 24, 2020;
Speakers: Paolo Di Giamberardino, Daniela Iacoviello, Mattia Mattioni, Salvatore Monaco, Andrea Cristofaro, Francesco Liberati;
ONLINE, 16 ore
University of Pavia - Intensive School for Advanced Graduate Studies: "A Smart Grid for Energy Management: the IoT approach", June 8-11, 2020;
Speakers: Paolo Di Barba, Dario Zaninelli, Francesco Benzi, Ezio Bassi, Piero Malcovati, Antonella Ferrara, Andrea Mazzanti, Slawomir Hausman, Pericle Zanchetta, Maria Evelina Mognaschi, Francesco Gnesotto, Virginia Canezza;
ONLINE, 23 ore
HiPEAC - 2020 ACACES Summer School, July 6-10, 2020;
Speakers: Luca Benini, Frank K. Gürkaynak, Rajeev Balasubramonian, Tullio Vardanega
ONLINE, 16 ore
ABRO 2020 Course on Advances in Bioengineering: Bioengineering and Personalized Medicine, September 15, 17, 22, 24, 2020;
Speakers: Manuela Petti, Ylenia Toppi, Riccardo Barbieri, Paola Paci;
ONLINE, 16 ore
Mediterran Machine Learning summer school (M2L School), 11-16 Gennaio 2021;
Speakers: Christopher Bishop, Naila Murray. Coralia Cartis, Andrea Banino, Orhan Firat, Michael Bronstein, Gaia Rubera, Marc'Aurelio Ranzato, Rianne van den Berg, Tatjana Chavdarova, Roberto Calandra, Nicolò Cesa-Bianchi, Matteo Hassel, Anna Harutyunyan, David Silver, Carlo Ciliberto, Ayse Kucukyilmaz Raia Hadsell, Michela Paganini, Alberto Arribas, Silvia Chiappa;
ONLINE, 41 ore
ABRO 2021 Course on Advances in Automatic Control: Health and Control, 13,16,20 e 23 Aprile 2021;
Speakers: Claudia Califano, Claude Moog, Francesco Delli Priscoli, Marilena Vendittelli, Alessandro Giuseppi, Chiara Toffanin;
ONLINE, 16 ore
--- Attività di ricerca ---
Lo studente si è concentrato, durante il suo primo anno di dottorato, nel problema di network selection e traffic splitting in reti multi-RAT, e in particolare applicando metodologie di Teoria dei Giochi [7] e Reinforcement Learning [1]; lo studente ha sviluppato tali metodologie e architetture [3] nell'ambito del progetto EU-Korea H2020 5G-ALLSTAR.
Inoltre, lo studente ha anche iniziato a studiare reti mobili di nuova generazione (6G) [2], sfruttando le possibilità offerte da acces point mobili (ad esempio droni), da usare in combinazione con reti terrestri e satellitari pre-esistenti, per migliorare la qualità del servizio verso gli utenti finali. Infine, lo studente ha sviluppato un simulatore di reti wireless multi-RAT, basato sugli standard 4G/5G e di telecomunicazione satellitare, per la simulazione degli algoritmi di cui sopra.
Durante il suo secondo anno di dottorato, lo studente si è principalmente concentrato su algoritmi di controllo ottimo applicati alla ricarica ad alta potenza di veicoli elettrici sfruttando fonti di energie rinnovabili e storage systems [4] e applicati al controllo di frequenza di rete tramite l'uso di veicoli elettrici, sfruttando le possibilità offerte dall'architettura di rete 5G [5,6].
Inoltre ha continuato lo sviluppo del simulatore di rete multi-RAT per testare nuovi algoritmi di allocazione ottima di risorse di rete (nell'ambito del progetto ESA ARIES), algoritmi di network selection basati su Deep Reinforcement Learning e algoritmi di traffic splitting basati su Teoria dei Giochi [7].
Durante il terzo anno di dottorato, lo studente ha continuato il suo lavoro su algoritmi di controllo di reti 5G multi-RAT, e in particolare di network selection tramite un algoritmo di Deep Reinforcement Learning [8]. Inoltre ha preso contribuito nel contesto del progetto 5G-ALLSTAR, a una demo degli algoritmi di controllo di reti 5G sviluppati: tramite tali algoritmi di controlo è stato possibile trasmettere un flusso video 8K via due path differenti (5G mm-Wave e path satellitare emulato) senza perdita di qualità del servizio [9].
Inoltre, lo studente ha continuato il lavoro sugli algoritmi di controllo ottimo applicati alla ricarica ad alta potenza di veicoli elettrici, producendo una nuova versione del paper [4] che rimuove assunzioni sulla conoscenza dei disturbi esterni (previsione della potenza prodotta delle fonti rinnovabili e previsione del numero di veicoli connessi in carica) [10].
Infine, durante l'ultimo periodo del terzo anno, lo studente ha dedicato la maggior parte del suo impegno alla scrittura e rifinitura della sua tesi di dottorato.
--- Pubblicazioni ---
[1] A. Giuseppi, E. De Santis, F. Delli Priscoli, S. H. Won, T. Choi, A. Pietrabissa, "Network Selection in 5G Networks Based on Markov Games and Friend-or-Foe Reinforcement Learning," 2020 IEEE Wireless Communications and Networking Conference Workshops (WCNCW), Seoul, Korea (South), 2020, pp. 1-5, DOI 10.1109/WCNCW48565.2020.9124723.
[2] E. Calvanese Strinati, S. Barbarossa, T. Choi, A. Pietrabissa, A. Giuseppi, E. De Santis, J. Vidal, Z. Becvar, T. Haustein, N. Cassiau, F, Costanzo, J. Kim, I. Kim, "6G in the Sky: On-Demand Intelligence at the Edge of 3D Networks," ETRI Journal, 2020; 42: 643
657. https://doi.org/10.4218/etrij.2020-0205.
[3] A. Giuseppi, S. Maaz Shahid, E. De Santis, S. Ho Won, S. Kwon and T. Choi, "Design and Simulation of the Multi-RAT Load-balancing Algorithms for 5G-ALLSTAR Systems," 2020 International Conference on Information and Communication Technology Convergence (ICTC), 2020, pp. 594-596, doi: 10.1109/ICTC49870.2020.9289485.
[4] F. Liberati, R. Germanà, E. De Santis and A. Di Giorgio, "Optimal Control of an Energy Storage System and Plug-in Electric Vehicles Fast Charging in a Grid-connected Service Area," 2021 29th Mediterranean Conference on Control and Automation (MED), 2021, pp. 202-207, doi: 10.1109/MED51440.2021.9480262.
[5] R. Germanà, E. De Santis, F. Liberati, A. Di Giorgio, "On the Participation of Charging Point Operators to the Frequency Regulation Service using Plug-in Electric Vehicles and 5G Communications," 2021 IEEE International Conference on Environment and Electrical Engineering and 2021 IEEE Industrial and Commercial Power Systems Europe (EEEIC / I&CPS Europe), 2021, pp. 1-6, doi: 10.1109/EEEIC/ICPSEurope51590.2021.9584495.
[6] R. Germanà, F. Liberati, E. De Santis, A. Giuseppi, A. Di Giorgio, "Optimal Control of Plug-in Electric Vehicles Charging for Composition of Frequency Regulation Services," Energies 2021, 14, 7879, https://doi.org/10.9930/en14237879
[7] F. Delli Priscoli, E. De Santis, A. Giuseppi, A. Pietrabissa, "Capacity-Constrained Wardrop Equilibria and Application to Multi-Connectivity in 5G," Journal of the Franklin Institute, 2021, doi: 10.1016/j.jfranklin.2021.09.025.
[8] E. De Santis, A. Giuseppi, A. Pietrabissa, M. Capponi, F. Delli Priscoli, "Satellite Integration into 5G: Deep Reinforcement Learning for Network Selection". Machine Intelligence Research 19, 127
137 (2022). https://doi.org/10.1007/s11633-022-1326-3
[9] N. Cassiau, I. Kim, E. Calvanese Strinati, G. Noh, A. Pietrabissa, F. Arnal, G.Casati, T. Choi, Y.J. Choi, H. Chung, S. Colombero, P. Dal Zotto, E. De Santis, J. B. Doré, A. Giuseppi, J.M. Houssin, J. Kim, M. Laugeois, F. Pigni, X. Popon, L. Raschkowski, M. Thary, S.H. Won, "5G-ALLSTAR: Beyond 5G Satellite-Terrestrial Multi-Connectivity," 2022 Joint European Conference on Networks and Communications & 6G Summit (EuCNC/6G Summit), 2022, pp. 148-153, doi: 10.1109/EuCNC/6GSummit54941.2022.9815664.
[10] E. De Santis, F. Liberati and A. Di Giorgio, "Optimal Control of a Grid-connected Service Area for Plug-in Electric Vehicles Fast Charging under uncertain Power Demand," 2022 30th Mediterranean Conference on Control and Automation (MED), 2022, pp. 49-55, doi: 10.1109/MED54222.2022.9837148.
=== RTD DESETA_RTD.pdf ===
Valeria DE SETA (Anno di corso: 3)
--- Frequenza ---
Thanks to the agreement between the Fondazione Santa Lucia IRCCS of Rome and the Department of Computer, Control and Management Engineering "Antonio Ruberti" (DIAG), it was possible to carry out my PhD research activity at the NeuroElectric Imaging and BCI Lab (NEILab), run by Dr. Donatella Mattia, at Fondazione Santa Lucia.
Moreover, during my last year I spent 8 months at the Translational Neural Engineering (TNE) Lab of École Polytechnique Fédérale de Lausanne (EPFL), run by Prof. Silvestro Micera, where I pursued a secondment as visiting PhD student.
--- Attività di studio ---
Courses:
1 - 2020 ABRO PhD Course on Advances in Automatic Control-Cybersecurity and Control
Lecturer: Prof. Daniela Iacoviello
Number of hours: 16h (5 credits)
2- Data Science PhD Course - Data Science and Network Medicine for Health and Medical Research
Lecturer: Prof. Stefano Leonardi
Number of hours: 16h (5 credits)
3- 2020 ABRO Course on Advances in Bioengineering-Bioenginnering and Personalized Medicine
Lecturer: Prof. Laura Astolfi
Numero di ore: 15h (5 credits)
4 - 2021 ABRO Course on Advances in Automatic Control Health and Control: "Data driven artificial intelligence methodologies for Health Decision Support Systems"
Lecturer: Prof. Francesco Delli Priscoli
Date: 16/04/2021
Number of hours: 4h
Doctoral School:
1 - XXXIX Annual Bioengineering School- "AI-enabled health care: from decision support to autonomous robots" (online)
Period: 07-10/09/2020
Organizer: Gruppo Nazionale di Bioingegneria (GNB)
2 - Summer School on Neurorehabilitation 2022
Period: 12-17/06/2022
Organizers: Shirley Ryan AbilityLab, Spanish National Research Council (CSIC). Neural Rehabilitation Group. Cajal Institute,
Imperial College London
Virtual Talks:
1 - Title: Neuroprosthetics-Spinal Cord Panel
Date: 20/07/2020
Organizers: Prof. Marco Capogrosso, Prof. Stanisa Raspopovic, Marco Bonizzato PhD
Number of hours: 6.5h
2 - Title: Neuroprosthetics-Brain Panel
Date: 22/07/2020
Organizers: Prof. Marco Capogrosso, Prof. Stanisa Raspopovic, Marco Bonizzato PhD
Number of hours: 6.5h
3 - Title: Neuroprosthetics-Industry Panel
Date: 23/07/2020
Organizers: Prof. Marco Capogrosso, Prof. Stanisa Raspopovic, Marco Bonizzato PhD
Number of hours: 6h
Seminars and Workshops:
1 - Title: Distinguished Lectures In Neuroprosthetics - Interfacing the output of the human spinal cord (Virtual)
Date: 15/12/2020
Number of hours: 2h
Lecturer: Prof. Dario Farina
2 - Title: IEEE Women in Engineering - International Leadership Summit - Italy (Virtual)
Date: 15/12/2020
Number of hours: 2.5h
Organiser: Istituto Italiano di Tecnologia - Dr. Marianna Semprini
3 - Title: 1st Virtual Research Retreat Fondazione Santa Lucia
Date: 18-19/02/2021
Number of hours: 20h
Organiser: Fondazione Santa Lucia - Direzione Scientifica
4 - Title: BCI Thursdays Workshop - "The promise of BCI-driven functional recovery after stroke: leveraging current evidence to define next steps" (Virtual)
Date: 25/03/2021
Number of hours: 2h
Organiser: BCI Society
5 - Title: BCI Thursdays Worshop - "Biomimetic approaches to restore somatosensation" (Virtual)
Date: 08/04/2021
Number of hours: 2h
Organiser: BCI Society
6 - Title: Keynote Lecture Prof. Dario Farina - "Human interfacing in neurorehabilitation and augmentation technologies"
Date: 13/12/2021
Number of hours: 1h
Organizer: ABRO PhD Course
--- Attività di ricerca ---
During the three years of my PhD, I implemented a non-invasive Brain-Computer Interface (BCI)-controlled Functional Electrical Stimulation (FES) device (RECOM) for upper limb rehabilitation after stroke based on online detection of cortico-muscular activation. The control feature was derived from a combined Electroencephalography (EEG) and Electromyography (EMG) connectivity pattern estimated during upper limb movement attempts. In particular, the first year was dedicated to the study of the state of the art and the development of a methodology for the effective extraction of Cortico-Muscular Coupling (CMC) patterns able to characterize physiological movements and to be used for movement classification. Moreover, to analyze the functional connectivity between cortex and muscles after stroke, an ad-hoc protocol was developed for a multimodal acquisition of stroke patients during simple and complex upper limb tasks. During the second year the data collected were used to characterize brain-muscles patterns during the movement of the impaired and unimpaired hand. Finally, the CMC computation was translated in real-time and the third year was dedicated to the design and the feasibility testing of a reliable and easy-to-use rehabilitative hybrid BCI (h-BCI) system based on CMC features. Moreover, a study on the strategy of the feedback delivery (ie. FES) was performed with the ultimate aim of tailoring the stimulation to patients impairment.
Such research was performed within the broader context of the project RECOMmENceR: RE-establishing COrtico Muscolar COMunication to ENhance Recovery funded by the Italian Ministry of Health.
More in detail, my research activity these three years consisted of the following main tasks, strictly interconnected:
Task 1: Characterization of cortico-muscular patterns in stroke patients compared to healthy subjects during simple hand movements
To characterize the widespread functional brain-muscle connectivity in both physiological and pathological condition, the cortico-muscular coupling between several EEG-EMG pairs was analyzed as a comprehensive brain-muscles network to characterize simple hand movements (ie. finger extension and grasping) in healthy subjects and stroke patients. These tasks are the most used in BCI-based rehabilitative context.
Task 1.1: Cortico-muscular coupling in healthy subjects
I analysed a multimodal dataset (61 EEG electrodes, 5 EMG sensors per upper limb) pre-acquired at Fondazione Santa Lucia. It included recordings from 20 healthy subjects during the execution of fingers extension and grasping and during rest condition. I developed an ad-hoc processing pipeline for CMC estimation and I represented and visualized the connectivity patterns obtained considering all possible EEG-EMG pairs. The grand-average cortico-muscular patterns were compared in different conditions with the aim of identifying their distinctive traits. Moreover, the ability of multi-channels EEG-EMG features in discriminating movements from rest condition and different movements tasks was evaluated. A feature selection algorithm based on the stepwise regression with an empty initial model was applied to reduce the dimensionality of the feature space before building the classification model (Support Vector Machine
SVM). The analysis of the feature space selected by the stepwise was performed to identify the most discriminant features in the investigated conditions. Cortico-muscular pattern showed movement-specific characteristics and CMC features resulted to be able to discriminate movement from rest conditions and different movement types. Results obtained from this analysis were published in the International Journal of Neural Systems as part of the Special Issue: "Brain/Neural Assistive Technologies" [3].
Task 1.2: High-density cortico-muscular networks in stroke patients
Once identified the physiological characteristics of CMC patterns, I investigated their alterations in stoke patients. Thus, an ad-hoc protocol was developed for a multimodal acquisition (61 EEG channels, 8 EMG channels per upper limb and 8 IMU sensors) of 15 healthy subjects (control group) and 15 stroke patients (experimental group) while performing/attempting simple and complex tasks with their upper limbs. I developed the stimulation paradigms and the interface for the experimenter in Matlab using Psychophysics Toolbox. Moreover, I set and synchronized marker signals on the three different sources (brain, muscular and kinematics).
Data were collected and high-density CMC networks (derived from multiple EEG and EMG channels) and their relationship with upper limb motor deficit were analyzed by comparing data from 12 stroke patients with 12 healthy participants during simple hand tasks. Network properties were extracted by means of customized indices derived from graph theory and a statistical analysis was performed to outline differences between healthy subjects and patients, performing the movements both with the affected and unaffected hand, and to seek correlation with upper limb motor impairment as assessed by clinical scales. The widespread brain-muscles connectivity patterns resulted to be able to quantify motor impairment and stroke-related alterations in bran-muscles communications. The study was submitted for publication in Journal of NeuroEngineering and Rehabilitation [1].
Task 1.3: Cortico-muscular coupling to discriminate different types of hand movements
To further investigate the movements specificity of CMC features, I analysed their ability to discriminate different types of hand movements (ie. finger extension from grasping). Different classification approaches were evaluated, and performances were compared with the ones obtained by canonical BCIs classification methods based on only brain features, such as Sensorymotor Rhythms (SMR) and Movement Related Cortical Potentials (MRCP). Indeed, going beyond the BCI application for motor rehabilitation, the ability to non-invasively decode different type of movements by exploiting all remaining functionalities is crucial in other BCI applications for motor substitution in which "natural control" (ie. that resembling physiological control) of prosthetic devices is cutting-edge.
Data from 15 healthy subjects collected in Task 1.2 were analysed during finger extension (Ext) and grasping (Grasp). CMC, SMR and MRCP features were extracted and I i) evaluated how different spatial filters (ie. no filter, Common Average Reference, Laplacian filter) affect their power to discriminate Ext from Grasp movement, ii) identified the best classification algorithm in discriminating between the two movements for each feature type (ie. Support Vector Machine with different kernels, Linear Discriminant Analysis, Decision Tree) and ii) explored how the variation in the dimensionality of the feature domain would influence the different classifier performances for each type of feature (ie. using 10, 4 and 2 features as features space size). The number of features used for the classification directly impacts on the number of physical electrodes required to collect data and thus on the set-up time and users comfort.
Regardless of the model, few CMC features (up to 10) allow for a successful classification of two different movement types, achieving performance higher than the ones obtained by classification based on only brain features. Support Vector Machine with linear kernel resulted to be the model that allows to achieve the best trade-off between classification performance and number of features used.
Task 2: Development of an hybrid BCI-controlled FES for upper limb rehabilitation after stroke
In Task 1 I characterized the physiological and the stroke-related cortico-muscular patterns during simple hand movements and assessed the ability of CMC features to discriminate them offline. In Task 2, I addressed the real-time extraction of CMC features and the translation of the processing pipeline in an online BCI paradigm.
Task 2.1: An optimized approach for real-time Cortico-Muscular Coupling computation
To evaluate and optimize the real-time CMC computation and classification, I performed a pseudo-online analysis on data from 13 healthy and 12 stroke participants collected during simple hand movements/attempts as in Task 1.2 and the setting parameters that allow the best trade-off between classification accuracy and speed were identified. Different updating factors of the CMC computation (shifts) during the rehabilitative exercise, as well as different number of consecutive movement predictions to accumulate for a final classification decision, were tested in terms of performance and time for detection.
The feasibility of real-time extraction of CMC features suitable for movements versus rest classification, and thus to control an h-BCI system was assessed and results obtained in this analysis were published in Frontiers in Human Neuroscience [2]. The identified parameters were used to design the h-BCI.
Task 2.2: Design and implementation of RECOM prototype
Based on the evidence provided in the previous tasks, I developed an h-BCI aimed to RE-establish COrtico-Muscular communication after stroke (RECOM device). RECOM prototype is a BCI-based rehabilitative device in which a complex pattern of cortico-muscular activation is determined online during movement attempts of the upper limb and used to control FES. Such device was developed with the ultimate aim of being used during post-stroke motor rehabilitation as an add-on to traditional therapies to assist patients with residual or recovered muscular activity in completing movements during rehabilitative exercises. In RECOM prototype CMC control features were chosen to reinforce and exercise voluntary residual motor functions, so as to avoid the reinforcement of maladaptive changes common after stroke, ie. restoring only correct central-to-peripheral communication. For this reason, the device consists of two branches one aimed to detect the movement attempt based on physiological patterns (to encourage) and the other aimed to check that pathological patterns during such attempt (to discourage) do not occur. Only when both conditions are satisfied the BCI closes the loop delivering a stimulation to the patient to support full movement execution.
I built the system architecture and implemented each building module using OpenViBE software and Python for the core algorithms and Matlab for the Graphical Interface. Moreover, I developed the RECOM paradigm for the online use of the prototype. To test the feasibility of RECOM prototype, the online classification timing and accuracy were evaluated in 3 healthy participants. The ability of the prototype to generalize across different users and its usability were assessed. Moreover, its ability to detect stroke-related pathological movements was evaluated by a pseudo-online analysis on 11 stroke patients during finger extension attempts of the paretic hand. Clinical and functional efficacy on upper limb rehabilitation of the RECOM technology is being evaluated in a Randomized Controlled Trial ongoing on chronic stroke patients at Fondazione Santa Lucia, IRCCS, Rome Italy.
Task 2.3: An adaptive EMG-based feedback modulation strategy to use in a BCI context
Finally, to deliver a stimulation customized to the patient needs, a modulation strategy based on the residual or recovered muscles activity detected during the rehabilitative exercise was developed. I implemented customized stimulation strategies to better improve the sensorimotor functions in stroke patients and allow to adjust the system according to the rehabilitative approach pursued. I used voluntary EMG to modulate the FES intensity triggered by the BCI. Thus, the BCI detects the volition based on the EEG signals over the sensorimotor area to rehabilitate, and a stimulation is sent to reinforce a close-to-normal brain activity. The intensity of the stimulation is modulated by the myoelectric level of activation right after the BCI detection. The modulation strategy is based on a compensatory approach: if no voluntary activation is detected, the full FES intensity is delivered to the patient, whereas when residual or recovered muscular activity occurs a percentage of FES intensity complementary to the level of activation is sent.
Such an hybrid system allows to longitudinal follow the patient along the rehabilitation process delivering a stimulation tailored on his/her motor impairment. An EEG-based BCI was used for this study in order to test the adaptive algorithm designed for the modulation strategy on an already tested BCI paradigm.
I built the system architecture in a modular, reliable and easy to use way. I implemented each module in Python and developed a custom-made communication protocol based on User Datagram Protocol (UDP) to produce a continuous thread among the modules and keep them synchronized. This study was conducted during my secondment as visiting PhD student at the Translational Neural Engineering Lab (TNE)
EPFL.
Lab Activities:
-Experimenter in clinical trial ongoing in the lab: EEG recording of participants with Relapsing Remitting Multiple Sclerosis (RRMS) during resting state condition and odd-ball task.
-Data acquisition of a multimodal experimental protocol: Healthy subjects and stroke patients recruitment for the multimodal acquisition. Eighteen healthy subjects and fifteen stroke patients underwent the experimental protocol which consisted of simple hand movements (finger extension and grasping) and a complex task (Box and Block test). I followed the participants along the experiment explaining them the tasks to perform, contributing to the sensors placement and monitoring the signals during the execution of the motor tasks.
-Experimenter for the testing of the EMG-based FES modulation strategy.
-Experimenter in the Randomized Control Trial with RECOM prototype.
Grants:
Such research was partially funded by the following grants in which I was involved as:
- Principal Investigator for the Exchange PhD project Development of an integrated platform exploiting cortico-muscular activation and functional electrical stimulation for the neurorehabilitation of post-stroke patients, founded by the National Centre of Competence in Research (NCCR) Robotics and carried out at TNE lab
EPFL.
- Investigator for the project MOVE: MultimOdal framework for the eValuation of upper-limb motor impairment and its rEcovery in stroke patients (RM120172B8899B8C) funded by Sapienza University of Rome.
- Principal Investigator for the project Avvio alla Ricerca (AR12117A8B2FF0F7) titled Towards a novel hybrid Brain-Computer Interface for post-stroke motor rehabilitation based on brain-muscles patterns , grant received from Sapienza University of Rome.
- Principal Investigator for the project Avvio alla Ricerca (AR120172B8B5B405) titled Characterization of Cortico-Muscular Coherence during the execution of simple motor tasks aimed at the development of a hybrid feature for the classification of upper limb movements, grant received from Sapienza University of Rome
- Investigator for the project RECOMmENceR: RE-establishing COrtico Muscolar COMunication to ENhance Recovery. Clinical validation of BCI-controlled Functional Electrical Stimulation for upper limb rehabilitation after stroke (GR-2018-12365874), funded by the Italian Ministry of Health.
--- Pubblicazioni ---
International Journal Papers
-submitted:
[1] F. Pichiorri*, J. Toppi*, V. de Seta, E. Colamarino, M. Masciullo, F. Tamburella, M. Lorusso, F. Cincotti, D. Mattia,Exploring high-density corticomuscular networks after stroke to enable a hybrid Brain-Computer Interface for hand motor rehabilitation, submitted for publication to Journal of NeuroEngineering and Rehabilitation, * equal contributions.
- published:
[2] V. de Seta, J. Toppi, E. Colamarino, R. Molle, F. Castellani, F. Cincotti, D. Mattia, F. Pichiorri, Cortico-Muscular Coupling to control a hybrid Brain-Computer Interface for upper limb motor rehabilitation: a pseudo-online study on stroke patients, Frontiers in Human Neuroscience, Nov. 2022, DOI: https://doi.org/10.3389/fnhum.2022.1016862.
[3] E. Colamarino, V. de Seta, M. Masciullo, D. Mattia, F. Cincotti, F. Pichiorri, J. Toppi, Corticomuscular and intermuscular coupling in simple hand movements to enable a hybrid Brain-Computer Interface, International Journal of Neural Systems, Sept. 2021, DOI: https://doi.org/10.1142/S0129065721500520.
Papers in International Conferences indexed on medline
- presented but not yet published:
[4] E. Mongiardini, E. Colamarino, J. Toppi, V. de Seta, F. Pichiorri, D. Mattia, F. Cincotti, Low Frequency Brain Oscillations for Brain-Computer Interface Applications: From the Sources to the Scalp Domain, presented at 2022 IEEE International Conferences MetroXRAINE, Oct 2022- Rome.
- published:
[5] V. de Seta, E. Colamarino, F. Cincotti, D. Mattia, E. Mongiardini, F. Pichiorri, J. Toppi Cortico-Muscular Coupling Allows to Discriminate Different Types of Hand Movements, in 2022 44th Annual International Conference of IEEE Engineering in Medicine and Biology Society (EMBC), Glasgow, DOI: 10.1109/EMBC48229.2022.9871383.
[6] E. Colamarino, V. de Seta, J. Toppi, F. Pichiorri, I. Conforti, I. Mileti, E. Palermo, D. Mattia, F. Cincotti, Distinctive physiological muscle synergy patterns define the Box and Block Task execution as revealed by electromyographic features, in 2022 44th Annual International Conference of IEEE Engineering in Medicine and Biology Society (EMBC), Glasgow, DOI: 10.1109/EMBC48229.2022.9871699.
[7] E. Mongiardini, E. Colamarino, J. Toppi, V. de Seta, F. Pichiorri, D. Mattia, F. Cincotti, Low Frequency Brain Oscillations during the execution and imagination of simple hand movements for Brain-Computer Interface applications, in 2022 44th Annual International Conference of IEEE Engineering in Medicine and Biology Society (EMBC), Glasgow, DOI: 10.1109/EMBC48229.2022.9871772.
[8] V. de Seta, J. Toppi, F. Pichiorri, M. Masciullo, E. Colamarino, D. Mattia, F. Cincotti, Towards a hybrid EEG-EMG feature for the classification of upper limb movements: comparison of different processing pipelines, in 2021 10th International IEEE/EMBS Conference on Neural Engineering (NER), 4-6 May 2021, Virtual, DOI: 10.1109/NER49283.2021.9441390.
[9] E. Colamarino, F. Pichiorri, J. Toppi, V. de Seta, M. Masciullo, D. Mattia, F. Cincotti, Inter-muscular coherence features to classify upper limb simple tasks, in 2021 10th International IEEE/EMBS Conference on Neural Engineering (NER), 4-6 May 2021, Virtual, DOI: 10.1109/NER49283.2021.9441150.
Abstract in International Conferences
[10] V. de Seta, J. Toppi, E. Colamarino, F. Cincotti, D. Mattia, F. Pichiorri, RECOM prototype: a hybrid Brain Computer Interface aimed to RE stablish COrtico Muscular communication after Stroke, Summer School on Neurorehabilitation 2022, 12-17 June 2022, Baiona.
[11] V. de Seta, E. Colamarino, F. Pichiorri, J. Toppi, M. Masciullo, F. Cincotti, D. Mattia, Hand movements classification for a hybrid rehabilitative BCI: study on corticomuscular and intermuscular coherence, 8th International BCI Meeting, 2021 Virtual.
[12] F. Pichiorri, V. de Seta, E. Colamarino, J. Toppi, F. Cincotti, D. Mattia, Movement-Related Cortical Potential during post-stroke motor recovery: preliminary study for a novel hybrid BCI paradigm, 8th International BCI Meeting, 2021 Virtual.
[13] V. de Seta, E. Colamarino, F. Pichiorri, M. Masciullo, F. Cincotti, D. Mattia, J. Toppi, Towards A Novel Hybrid Brain-Computer Interface for Motor Rehabilitation: Study on Cortico-Muscular Coherence Patterns for Movement Classification, Nature Conferences - Technologies for Neuroengineering, 2021 Virtual, (selected for oral presentation).
[14] V. de Seta, E. Colamarino, F. Pichiorri, J. Toppi, F. Cincotti, D. Mattia, Movement-Related Cortical Potential changes following functional motor recovery in subacute stroke patients, FENS 2020 Virtual Forum.
> Muhammad Imran (Anno di corso: 3)
--- Frequenza ---
I perform research-related activities in the Network Control Laboratory, Department of Computer Engineering, Automatic and Management-- DIAG Sapienza University of Rome.
--- Attività di studio ---
Please find list of courses, PhD schools and traings attended during the three years 2019-2022:
ABRO Courses:
1) Cybersecurity and Control
Date: 15-24/04/2020
Organizer/Contact: Daniela Iacoviello, iacoviello@diag.uniroma1.it
Duration: 16 hours
Location: DIAG Sapienza, online
Credits: 5
2) Bioengineering and Personalized Medicine
Date: 15-24/09/2020
Organizer/Contact: Laura Astolfi, astolfi@diag.uniroma1.it
Duration: 15 hours
Location: DIAG Sapienza, online
Credits: 5
3) Health and Control
Date: 13-23/04/2021
Organizer/Contact: Daniela Iacoviello, iacoviello@diag.uniroma1.it
Duration: 16 hours
Location: DIAG Sapienza, online
Credits: 5
4) Trends in Mathematical Optimisation: Theory and Applications
Date: 10-19/May 25-15/May-June/2021
Organizer/Contact: Laura Palagi, palagi@diag.uniroma1.it
Duration: 22 hours
Location: DIAG Sapienza, online
Credits: 5
Master's degree courses: System and Control Methods for Cyber-Physical Security Course
Date: 24/02/2020 to 25/05/2020
Teacher: Prof. Antonio Pietrabissa, Dr.Francesco Liberati
Duration: (60 hours)
Location: DIAG Sapienza, Online
Credits Distribution: Moudles: 2 Credits: 3+3 = 6
Doctoral schools:
1) Model Predictive Control
Teacher: Prof. Dr. Alberto Bemporad
Date: 3-10/06/2020
Duration: 23 hours
Location: IMT School for Advanced Studies Lucca:
Credits: 2
Certificate: Available
2) A Smart Grid for Energy Management: the IoT Approach
Course director: Prof. Paolo Di Barba
Date: 8-11/06/2020
Duration: 25 hours
Location: University of Pavia
Certificate: Available.
3) On-line Training Course on Railway Optimization 2020
Course director: Prof. Andrea DAriano
Date: May 11 and May 13, 2020
Duration: 6 hours
Location: Università degli Studi Roma Tre
Certificate: Available.
--- Attività di ricerca ---
In my three years of PhD studies, research activities are supervised by Prof. Francesco Delli Priscoli and Dr Feancesco Liberati. They oversee research activities relating to digital transformation, specifically in perspective of optimal control/MPC and Deep Reinforcement Learning for improving logistics in industrial processes and smart cities. The cornerstone of these transformations is solid mathematical foundations, control and learning-based new system design techniques to cope with this fast-moving field; for further reference, please find the link to the published papers in the next section.
During my three years, I contributed to 4 research articles and one short conference paper. Three of them are already published, and with a total of six citations, two are in the process of being submitted. Please find the Title and Abstract below:
Title: "Task Scheduling in Assembly Lines with Single-Agent Deep Reinforcement Learning"
Abstarct: Industrial Data Space (IDS) is a key enabler for industry 4.0 to improve the industrial process, efficiency, and energy consumption by exploiting learning-based techniques. The present paper focuses on improving the decision-making process in complex industrial environments by developing a Deep Reinforcement Learning (DRL) based real-time assistant. Mainly, we address a use case from the space industry to improve the launcher throughput and efficiency and reduce cost by optimally managing the industrial resources. A mathematical formulation of the Industrial Production System (IPS) and a simulated environment are developed to train the DRL-based Proximal Policy Optimization (PPO) agent. The proposed method is scalable and in line with the dynamic nature of the industrial production systems to overcome the domain-dependent heuristics extensively used in the manufacturing industry. Furthermore, simulation results show that the proposed method can provide a real-time decision support system to industrial operators and managers to increase the Return on Assets.
Title: "Traffic Control with Model Predictive Control and Deep Reinforcement Learning: a Comparison"
Abstract: This paper discusses the problem of Traffic Light (TL) signals to reduce the overall waiting time of traffic lines at road junctions via Model Predictive Control (MPC) and Deep Reinforcement Learning (DRL) approach. Firstly, a linear mathematical model of a road junction is formulated and tested using an MPC, and the results are compared with a traditional controller. Later, the problem is formulated using a DRL approach to train the Deep Q-Network (DQN) agent. whose results are validated through a microscopic and continuous multi-modal traffic simulator, Simulation of Urban MObility (SUMO). The proposed approaches are validated via simulation using the real-time scenario, and the RL-based technique provides optimal results compared to the MPC and traditional control.
I was awarded the award for the best Industrial Challenge project of the Summer School 2021 of EIT Manufacturing Doctoral School. The EIT Manufacturing Summer School 2021 provides knowledge about the necessary skills, practical know-how, attitudes and values to meet the complex demands in the industry 4.0 environment with a focus on «The way to smart manufacturing». See the attached certificate.
--- Pubblicazioni ---
[1]F. Liberati, A. Tortorelli, C. Mazquiaran, M. Imran and M. Panfili, "Optimal Control of Industrial Assembly Lines," 2020 7th International Conference on Control, Decision and Information Technologies (CoDIT), Prague, Czech Republic, 2020, pp. 721-726, doi: 10.1109/CoDIT49905.2020.9263946.
[2] A. Tortorelli , M. Imran, F. Delli Priscoli, F. Liberati . "A Parallel Deep Reinforcement Learning Framework for Controlling Industrial Assembly Lines". Electronics. 2022; 11(4):539. https://doi.org/10.3390/electronics11040539
[3] M. Imran, F. Liberati . "A Framework for Intelligent Decision Making in Networks of Heterogeneous Systems (UAV and Ground Robots) for Civil Applications" Engineering Proceedings. 2022; 17(1):13. https://doi.org/10.3390/engproc2022017013
=== RTD PINTO_RTD.pdf ===
Diego Maria Pinto (Anno di corso: 3)
--- Frequenza ---
Le attività sono state svolte principalmente presso l'Istituto di Analisi dei Sistemi ed Informatica
"Antonio Ruberti" (IASI) del Consiglio Nazionale delle Ricerche (CNR) sito in Via dei Taurini 18, Roma. Il supervisore presso lo IASI è il ricercatore Giuseppe Stecca.
--- Attività di studio ---
2020 ABRO Course on Advances in Automatic Control (5 crediti)
2020 ABRO Course on Advances in Bioengineering: Bioengineering and Personalized Medicine (5 crediti)
AIRO PhD School 2021 - Optimization and Data Science: Trends and Applications - Naples, 8-12 February 2021 (6 crediti)
Autumn School and Workshop on Combinatorial Optimization (SCO2PT) November 30- December 2, 2021 (6 crediti)
ABRO 2021 Course on Advances in Automatic Control: Health and Control (5 crediti)
--- Attività di ricerca ---
Sotto la supervisione dellIng. Giuseppe Stecca, nellambito del progetto REMIND (POR FESR LAZIO 2014-2020), è stato ideato e sviluppato un sistema che integra lutilizzo di più modelli decisionali a supporto delle attività di recupero e smaltimento dei rifiuti. Il primo di questi modelli riguarda le operazioni di selezione dei rifiuti conferiti presso il centro di recupero, ed in particolare le attività di scheduling, lot sizing e allocazione delle risorse necessarie [1].
Lottimizzazione robusta può essere efficacemente utilizzata nei settori in cui la variabilità è insita nel processo che deve essere pianificato in modo ottimale. A tal proposito, una seconda e successiva versione di questo primo lavoro introduce la robustezza delle soluzioni ammissibili alle variazioni della domanda di produzione, parametro soggetto ad importanti variazioni stocastiche [2].
Un'altra attività di ricerca esplora la possibilità di sfruttare alcune informazioni per ridurre il costo aggiuntivo di robustezza derivante dalla considerazione della variabilità dei parametri. La previsione della domanda può essere infatti utilizzata in combinazione con lottimizzazione robusta per ottenere una pianificazione ottimale che tenga in considerazione le incertezze della domanda e al contempo riduca il costo aggiuntivo di robustezza in termini di riduzione di ottimalità della soluzione. La procedura proposta, per aggiornare i parametri di controllo della robustezza, utilizza un modello di previsione della domanda e risolve iterativamente i modelli [1],[2] ed una terza e nuova variante del modello [1]. I risultati vengono confrontati con l'approccio standard di ottimizzazione robusta, utilizzando casi reali, mostrando le potenzialità del metodo proposto in [3].
Il secondo dei problemi affrontati nellambito del progetto REMIND riguarda la programmazione del servizio di recupero dei rifiuti da parte dei camion della flotta aziendale. A tale proposito è stata definita una versione del VRP capacitato con pick-up e delivery e fineste temporali (CVRPTWPD).
I modelli di supporto alle decisioni del progetto REMIND, unitamente ad un cruscotto informativo delle performance dei clienti considerati dai modelli decisionali, sono stati resi di facile utilizzo mediante lo sviluppo di una webapp tramite un framework python denominato Django.
Prendendo spunto dal problema logistico affrontato nellambito del progetto REMIND, è stata definita una nuova versione del Capacitated Multi-Shift Vehicle Routing Problem con Pick-up e Delivery e Semi-Soft Time Windows. Questo moello di instradamento, unitamente a tecninche di data augmentation e features engineering, è stato utilizzato per la creazione di un dataset che raccoglie per ogni istanza i dati dei clienti serviti, i parametri caratteristici di questi ultimi per la specifica istanza, e i corrispondenti costi di servizio ottimizzati. Questo dataset permette lidentificazione, mediante modelli di machine learning, dei principali driver di costo che caratterizzano gli scenari logistici considerati dai modello logistico. Le performance di test del modello di regressione individuato permettono di affermare che questo costituisce un valido strumento per il customer cost assessment di supporto al contract management, capace di bilanciare i rischi di sovrastima e sottostima dei costi sostenuti per cliente. Il framework ad i risultati evidenziati con metodi di Explaiable AI sono stati sottomessi a revisione per la pubblicazione su rivista [4].
Le attività svolte nellambito del progetto PIPER - Piattaforma intelligente per l'ottimizzazione di operazioni di riciclo
hanno riguardato la concettualizzazione e sviluppo di alcuni modelli decisionali a supporto delle attività di recupero e smaltimento dei rifiuti. I modelli ad oggi formulati si distinguono per la classe modellistica di appartenenza, l'orizzonte temporale e spaziale delle decisioni considerate ed il carattere strategico o operativo delle soluzioni offerte. In particolare, le attività di ricerca hanno portato alla definizione e validazione, mediante istanze di casi duso reali della regione Lazio, dei seguenti modelli di ottimizzione combinatoria:
1. Un nuovo modello di programmazione lineare mista intera Two-Stage per la localizzazione degli impianti, linstradamento veicolare, e la creazione di cluster ottimali di gestione nellambito di una rete di movimentazione e trattamento di rifiuti regionali. In questo contesto, un'autorità regionale progetta la rete in una prima fase strategica del modello, questa fase è infatti deputata alla localizzazione degli impianti e alla creazione di cluster di clienti associati ad uno ed un solo impianto. Una seconda fase operativa del modello si riferisce alle decisioni di instradamento di una moltitudine di vettori responsabili dell'utilizzo della rete. Lattività di ricerca ha permesso di definire anche una metaeuristica per la risoluzione del problema Two-Stage [5].
2. Un nuovo modello di location-routing multi-depot, multi-period, multi-product con flotta eterogenea per la localizzazione degli impianti e linstradamento veicolare nellambito delle attività di raccolta stradale dei rifiuti.
Nellambito del progetto UISH - Urban Intelligence Science Hub for City Network
è stato avviato lo studio di applicazione di tecniche di simulazione, ottimizzazione e intelligenza artificiale per lo sviluppo del gemello digitale di una città.
Nellambito del progetto CTEMT
Casa delle Tecnologie Emergenti di Matera
è stato sviluppato un modello di orienteering in grado di fornire supporto nelle attività di fruizione turistica della città di Matera. In particolare, il modello permette di identificare dei percorsi di visita ottimi e personalizzati secondo diversi obiettivi (massima somma rating sito di interesse, min tempo visita, min tempo tour, etc.) e vincoli di costo associati a diversi attributi degli archi del grafo (distanza, tempo, pendenza). Questa attività fa riferimento allo sviluppo di una versione beta del Gemello Digitale della città di Matera.
Un ulteriore attività di ricerca ha riguardato la collaborazione con lUniveritá di Bari "Aldo Moro", nella figura del professore Salvatore Camposeo, nellambito della quale sono state selezionate delle funzioni e loro parametri regressori per lidentificazione delle curve di crescita dei germogli di diverse varietá di olivo. Si intende sottomettere questo lavoro alla rivista "Agronomy for Sustainable Development".
--- Pubblicazioni ---
[ 1 ] D.M. Pinto, G. Stecca, "Optimal Planning of Waste Sorting Operations through Mixed
Integer Linear Programming",2020, in Proceedings of 18th Cologne-Twente Workshop on
Graphs and Combinatorial Optimization ; Springer AIRO Series Vol 5.
DOI: 10.1007/978-3-030-63072-0_24
[ 2 ] "D.M. Pinto, G. Stecca and C. Gentile, Robust Optimal Planning of Waste Sorting Operations", 2021, in Optimization and Decision Science (pp. 117-127). Springer, Cham. DOI:10.1007/978-3-030-86841-3_10
[ 3 ] C. Gentile, D.M. Pinto, G. Stecca, "Price of robustness optimization through demand forecasting with an application to waste management", 2022, Soft Computing, 1-12.
DOI:10.1007/s00500-022-07148-y
[ 4 ] D.M. Pinto, M. Boresta, G. Stecca, "Customer cost forecasting through patterns learning of optimal capacity allocation, 2022, under review for publication in Computers & Industrial Engineering - Elsevier.
[ 5 ] M. Caramia, D.M. Pinto, E. Pizzari, G. Stecca, "Clustering and Routing in Waste Management: A Two-Stage Optimisation Approach", 2022, under review for pubblication in EURO Journal on Transportation and Logistics.
> Edoardo Maria Polo (Anno di corso: 3)
--- Frequenza ---
L'attività nel corso dei tre anni si è svolta presso il Politecnico di Milano (Dipartimento di Elettronica, Informazione e Bioingegneria - DEIB).
--- Attività di studio ---
-titolo: "ETHICS IN RESEARCH" (Corso della scuola di Dottorato del Politecnico di Milano), data: 13/01/2020-17/01/2020, durata: 40 ore, docente: Andrea Aliverti, località: Politecnico di Milano, 5 crediti.
-titolo: "PERSPECTIVES IN BIOMEDICAL ENGINEERING TECHNOLOGIES: DIGITAL HEALTHCARE TO ENGAGE AND ENHANCE HUMAN BEINGS" (Corso della scuola di Dottorato del Politecnico di Milano), data: 31/01/2020-11/02/2020, durata: 30 ore, docente: Enrico Caiani, località: Politecnico di Milano, 5 crediti.
-titolo: "ADVANCED MODELLING IN SIGNAL IMAGE AND DATA ANALYSIS" (Corso della scuola di Dottorato del Politecnico di Milano), data: 12/02/2020-21/02/2020, durata: 46 ore, docente: Maria Gabriella Signorini, località: Politecnico di Milano, 5 crediti.
-titolo: "Advances in Automatic Control: Cybersecurity and Control" (ABRO PhD course), data: 15/04/2020-24/04/2020, durata: 16 ore, docente: Daniella Iacoviello, località: Roma (via telematica), 5
crediti.
- XXXIX Scuola Annuale di Bioingegneria – Bressanone, 07/09/2020-10/09/2020, 5 crediti
-titolo: "Advances in Bioengineering: Bioengineering and Personalized Medicine" (ABRO PhD course), data: 15/09/2020-24/09/2020, durata: 15 ore, docente: Laura Astolfi, località: Roma (via telematica), 5 crediti.
--- Attività di ricerca ---
Nel corso dei tre anni sono stati condotti tre progetti che hanno esplorato le risposte fisiologiche a stimoli emotivi.
Il primo progetto è consistito in due esperimenti per valutare le risposte fisiologiche a stimoli uditivi. Il primo esperimento ha avuto come obiettivo la creazione di un protocollo per lo studio dello sforzo uditivo, creando un nuovo test di speech-in-noise che è stato validato su un campione di soggetti normoudenti [1-8]. Diversi marker fisiologici sono stati estratti dai dati di elettrocardiogramma, conducibilità cutanea, respiro, volume sanguigno, elettroencefalogramma e dilatazione della pupilla al fine di creare un quadro fisiologico per la valutazione dello sforzo uditivo [9]. Il secondo esperimento ha avuto come obiettivo lo studio del contenuto emotivo della musica a livello fisiologico, utilizzando un dataset online che presenta registrazioni fisiologiche di un soggetto che ascolta canzoni che evocano quattro emozioni durante un periodo di 21 giorni [10]. L'analisi dei marker fisiologici può essere utile per investigare lo sforzo uditivo e le risposte emotive agli stimoli uditivi in quanto questi marker possono fornire preziose informazioni sullo stato psicologico e fisiologico degli individui, il che può influire sulla nostra comprensione di come essi elaborano e rispondono a stimoli uditivi, che è ancora poco chiaro.
Il secondo progetto ha visto la creazione di un protocollo diviso in tre fasi che utilizza stimoli visivi, uditivi e combinati visivi e uditivi. Dopo una fase preliminare in cui è stata studiata la relazione tra segnali fisiologici ed emozioni attraverso l’utilizzo di dataset pubblici [11-12], è stato creato un protocollo progettato per elicitare emozioni ad eccitazione crescente. Durante ogni fase del protocollo, sono stati acquisiti segnali di elettrocardiogramma, conducibilità cutanea, respiro, volume sanguigno, elettroencefalogramma e dilatazione della pupilla per confrontare le risposte fisiologiche ai diversi tipi di stimoli e capire quale fosse il più efficace [13-16]. I risultati di questo protocollo hanno contribuito ad una migliore comprensione delle risposte fisiologiche a stimoli visivi, uditivi e combinati. In generale, valutare le risposte fisiologiche a stimoli emotivi può fornire preziosi spunti sull’ elaborazione emotiva e sull'impatto delle emozioni sul comportamento e sulle prestazioni e può essere utile per un'ampia gamma di scopi di ricerca.
Il terzo progetto ha mirato a studiare la risposta fisiologica a stimoli emotivi immersivi nella realtà virtuale. È stato sviluppato un protocollo che comprende quattro stanze che tendono a suscitare emozioni con livelli crescenti di eccitazione (tristezza, rilassamento, felicità e paura), intervallate a stanze neutrali. Durante il protocollo, sono stati acquisiti segnali di elettrocardiogramma, conduttanza cutanea, respiro e volume del sangue. Le idee di design più notevoli e originali sono state fornire stimoli composti in modo simile a uno scenario realistico e combinare stimolazione visiva e uditiva per potenziare il senso di presenza. A nostra conoscenza, questo è il primo studio che integra il processamento avanzato dei segnali e la realtà virtuale. I risultati di questo studio contribuiranno a una migliore comprensione delle risposte fisiologiche a stimoli emotivi immersivi nella realtà virtuale e dei loro potenziali impieghi nella ricerca. In generale, l'indagine sull'elicitazione delle emozioni utilizzando la tecnologia della realtà virtuale può essere utile per creare stimoli altamente realistici e immersivi, manipolare e controllare precisamente gli stimoli, e migliorare l’ affidabilità e la validità dei risultati di ricerca.
--- Pubblicazioni ---
[1] A. Paglialonga, E.M. Polo, M. Zanet, G. Rocco, T. van Waterschoot, R. Barbieri, "An Automated Speech-in-Noise Test for Remote Testing: Development and Preliminary Evaluation", American Journal of Audiology, vol. 29, no. 3S, pp. 564-576, 2020. DOI: 10.1044/2020\_AJA-19-00071
[2] E.M Polo, M. Lenatti, M. Zanet, R. Barbieri, A. Paglialonga. 'Preliminary evaluation of the Speech Reception Threshold measured using a new language-independent screening test as a predictor of hearing loss'. Abstract presentato alla 1st Virtual Conference on Computational Audiology (VCCA). (Giugno 19 2020).
[3] E.M. Polo, M. Zanet, M. Lenatti, T. van Waterschoot, R.Barbieri, A.Paglialonga, "Development and Evaluation of a Novel Method for Adult Hearing Screening: Towards a Dedicated Smartphone App", Proceedings of the 7th EAI International Conference on IoT Technologies for HealthCare, 2020. DOI: 10.1007/978-3-030-69963-5_1
[4] E.M. Polo, M. Zanet, A.Paglialonga, R.Barbieri. "Preliminary Evaluation of a Novel Language Independent Speech-in-Noise Test for Adult Hearing Screening." European Medical and Biological Engineering Conference. Springer, Cham, 2020. DOI: 10.1007/978-3-030-64610-3_109
[5] M. Zanet*, E.M. Polo*, M. Lenatti, T. van Waterschoot, M. Mongelli, R. Barbieri, A. Paglialonga. "Evaluation of a Novel Speech-in-Noise Test for Hearing Screening: Classification Performance and Transducers Characteristics." IEEE Journal of Biomedical and Health Informatics (2021). DOI: 10.1109/JBHI.2021.3100368
[6] M. Lenatti, E.M. Polo, M. Paolini, M. Mollura, M. Zanet, R. Barbieri, A. Paglialonga. (2021) ‘Evaluation of multivariate classification algorithms for hearing loss detection through a speech-in-noise test'. Abstract presentato alla 2st Virtual Conference on Computational Audiology (VCCA). (Giugno 25 2021).
[7] E.M. Polo, M. Mollura, R. Barbieri & A. Paglialonga. (2022) ‘Multivariate Classification of Mild and Moderate Hearing Loss Using a Speech-in-Noise Test for Hearing Screening at a Distance’. Abstract presentato alla 9th EAI International Conference on IoT Technologies for HealthCare (17 Novembre 2022).
[8] M. Lenatti, P. A. Moreno-Sánchez, E. M. Polo, M. Mollura, R. Barbieri, & A. Paglialonga (2022). Evaluation of machine learning algorithms and explainability techniques to detect hearing loss from a speech-in-noise screening test. American Journal of Audiology, 31(3S), 961-979. DOI: 10.1044/2022_AJA-21-00194
[9] E. M. Polo, M. Mollura, A. Paglialonga, & R. Barbieri. (2021, September). Listening Effort: Cardiovascular Investigation Through the Point Process. In 2022 Computing in Cardiology (CinC). DOI: 10.22489/CinC.2022.211
[10] E.M. Polo, M. Mollura, A. Paglialonga & R. Barbieri. (2022) Decoding Emotions through Music: A Physiological Analysis of Emotion Recognition. In Eighth national congress of bioengineering. SOTTOMESSO
[11] E. M. Polo, M. Mollura, M. Zanet, M. Lenatti, A. Paglialonga, & R. Barbieri. (2021, September). Analysis of the Effect of Emotion Elicitation on the Cardiovascular System. In 2021 Computing in Cardiology (CinC) (Vol. 48, pp. 1-4). IEEE. DOI: 10.23919/CinC53138.2021.9662859
[12] E. M. Polo, M. Mollura, Lenatti, M. Lenatti, A. Paglialonga, & R. Barbieri. (2021, November). Emotion recognition from multimodal physiological measurements based on an interpretable feature selection method. In 2021 43rd Annual International Conference of the IEEE Engineering in Medicine & Biology Society (EMBC) (pp. 989-992). IEEE. DOI: 10.1109/EMBC46164.2021.9631019
[13] A. Farabbi, E. M. Polo, R. Barbieri, & L. Mainardi. (2022, July). Comparison of different emotion stimulation modalities: an EEG signal analysis. In 2022 44th Annual International Conference of the IEEE Engineering in Medicine & Biology Society (EMBC) (pp. 3710-3713). IEEE. DOI: 10.1109/EMBC48229.2022.9871725
[14] E. M. Polo, Farabbi, A., M. Mollura, R. Barbieri, A. Paglialonga & L. Mainardi. (2022, July). Analysis of the skin conductance and pupil signals for evaluation of emotional elicitation by images and sounds. In 2022 44th Annual International Conference of the IEEE Engineering in Medicine & Biology Society (EMBC) (pp. 1968-1971). IEEE. DOI: 10.1109/EMBC48229.2022.9871493
[15] E.M. Polo, M. Mollura, A. Paglialonga & R. Barbieri. (2022) ‘Quantitative assessment of the influence of sound in affective audio-visual elicitations’. Abstract presentato a HEAL 2022 - HEaring Across the Lifespan (16-18 Giugno 2022).
[16] E. M. Polo, Farabbi, A., M. Mollura, A. Paglialonga, L. Mainardi, R. Barbieri. (2022). Comparative assessment of physiological responses to emotional elicitation by auditory and visual stimuli. IEEE Journal of Translational Engineering in Health and Medicine. SOTTOMESSO
[17] M. Mollura, E. M. Polo, H. L. Li-wei, & R. Barbieri. (2020, September). Assessment of Heart Rate Variability Derived From Blood Pressure Pulse Recordings in Intensive Care Unit Patients. In 2020 Computing in Cardiology (pp. 1-4). IEEE. DOI: 10.22489/CinC.2020.423
> Filippo Maria SMALDONE (Anno di corso: 3)
--- Frequenza ---
- 16 settembre 2022 - 31 ottobre 2022 - DIAG
- 14 febbraio 2022 - 15 settembre 2022 - LAAS, CNRS, Toulouse, supervisore esterno Dr. Nicolas Mansard
- 1 novembre 2019 - 13 febbraio 2022 - DIAG
--- Attività di studio ---
- 1) "Locomotion and haptic interfaces", DIAG, Febraio - Aprile 2021, docente: prof. Alessandro de Luca, 3 CFU
- 2) 2021 ABRO Course on Advances in Automatic Control, "Health and Control", DIAG, Aprile 2021, referente: prof. Daniela Iacoviello, 5 CFU
- 3) "Numerical Methods for Optimal Control" (scuola di dottorato), IMT Lucca, 10-14, 17-21, 24-28 Maggio 2021 (modalità telematica), docente: prof. Mario Zanon, 2CFU
- 4) 2021 ABRO Course on Operations Research, "Trends in Mathematical Optimisation: Theory and Applications", DIAG, Maggio-Giugno 2021, referente: prof. Laura Palagi, 5 CFU
- 5) SIDRA 2021 PhD Summer School, "Game Theory and Network Systems", "Modeling and Control of Soft Robots", Bertinoro, 12-17 Luglio 2021, referenti: prof. Claudio Melchiorri, prof. Maria Elena Valcher, 30 ore di lezione
- 6) "Control of Multi-Robot Systems", prof. Andrea Cristofaro, DIAG, febbraio-maggio 2020, 3 CFU.
- 7) 2020 ABRO Course on Advances in Automatic Control, "Cybersecurity and Control", 18-27 marzo 2020, referente: prof. Daniela Iacoviello, 5 CFU.
- 8) 2020 ABRO Course on Advances in Bioengineering, "Bioengineering and Personalized Medicine", 15-24 settembre 2020, referente: prof. Laura Astolfi, 5 CFU.
- 9) "Model Predictive Control", IMT Lucca, 3-11 giugno 2020, docente: prof. Alberto Bemporad, 2 CFU.
--- Attività di ricerca ---
I temi di ricerca durante il dottorato sono stati i seguenti:
1) ROBUST MPC GAIT GENERATION FOR HUMANOID ROBOTS
L'obiettivo è stato quello di progettare uno schema di pianificazione e controllo per consentire la locomozione robusta di umanoidi con gambe usando Model Predictive Control (MPC). Lo schema usa un'architettura a due blocchi: MPC su modello semplificato del robot (Linear Inverted Pendulum) e controllore cinematico per realizzazione delle traiettorie generate dal blocco MPC. Il blocco MPC è stato sviluppato partendo dall' Intrinsically Stable MPC, precedentemente proposto dal laboratorio di robotica del DIAG.
La robustezza è stata intesa rispetto a disturbi persistenti (ad esempio camminare su terreni inclinati, portare pesi) e a disturbi impulsivi (ad esempio un urto o una spinta improvvisa sul corpo del robot) e vuole fare in modo che la soluzione ottenuta sia stabile (non divergenza dello stato) e dinamicamente bilanciata (il robot non cade mentre cammina, tenendo lo Zero Moment Point dentro il poligono di supporto).
Visti i due tipi di perturbazioni, due approcci sono stati proposti e successivamente unificati. Il primo consente di generare una camminata robusta a disturbi persistenti tramite un osservatore del disturbo [1] e una restrizione dei vincoli di bilanciamento dinamico [2]. La caratteristica di questa combinazione è il poter garantire il soddisfacimento robusto dei vincoli di MPC in modo ricorsivo. In questo caso l'algoritmo non ha il potere di decidere dove posizionare i passi e quando realizzarli.
Il secondo approccio è basato sullo studio della feasibility dello schema MPC (ovvero la regione dello spazio di stato in cui il problema di ottimizzazione vincolata da risolvere all'iterazione corrente è risolvibile) con possibilità di decidere dove posizionare i passi. Tramite un'argomentazione teorica è stato possibile proporre uno schema in grado di decidere come adattare i tempi di passo in risposta a forti spinte sul robot [4]. Un metodo per la gestione di vincoli cinematici non convessi è stato poi aggiunto per aumentare i possibili movimenti del robot (leg crossing ed obstacle avoidance) e migliorare la robustezza [9].
I due approcci sono stati unificati in [3], [5], nella tesi e in un articolo in corso di scrittura. Il metodo unificato consente di generare camminate robuste rispetto ai differenti tipi di disturbi, adattando i passi e i tempi di passo quando necessario.
I risultati sono stati validati in simulazioni su Matlab, DART ed esperimenti su NAO ed OP3.
Questo argomento di ricerca è stato incluso nella tesi.
2) 3D WALKING AND RUNNING MPC GAIT GENERATION FOR HUMANOIDS
Partendo dallo schema Intrinsically Stable MPC, l'obiettivo è stato quello di consentire la generazione di movimenti tridimensionali (utili per salire e scendere scale, passare sotto ostacoli) e di corse per robot umanoidi. L'architettura è sempre a due blocchi: MPC più controllore cinematico. Il modello utilizzato per il blocco MPC è stato il Variable Height Inverted Pendulum che presenta delle nonlinearità. Per consentire una generazione di traiettorie e controllo in real time, il blocco MPC è stato decomposto nella cascata di due sotto blocchi. In ciascun sotto blocco un problema di ottimizzazione vincolata viene risolto, uno per la dinamica verticale e uno per la dinamica orizzontale del centro di massa. Tale formulazione consente di ottenere una soluzione efficiente e stabile nella componente orizzontale grazie all'introduzione di uno specifico vincolo di stabilità. Una prima versione dello schema è stata presentata in [6], mentre una descrizione dettagliata è stata proposta in [8].
I risultati sono stati validati in simulazioni su Matlab, DART ed esperimenti su OP3.
Questo argomento di ricerca è stato incluso nella tesi.
3) CONTROL OF STATICALLY UNSTABLE MOBILE MANIPULATORS
I manipolatori staticamente instabili, come Alter-Ego o Handle, consentono movimenti fluidi e dinamici. Il problema è che il bilanciamento va controllato e mantenuto in ogni istante. È stato dunque proposto uno schema composto da feedback linearization e MPC su modello completo del robot feedback linearizzato.
L'algoritmo consente di realizzare e controllare task di navigazione e loco-manipolazione bilanciati, grazie all'introduzione di un vincolo di stabilità. Il contributo è stato presentato in [7].
I risultati sono stati validati in Matlab.
4) ROBUST WHOLE-BODY MPC FOR QUADRUPEDS
Questo argomento di ricerca è stato sviluppato al LAAS, CNRS, di Tolosa presso il Gepetto Group, supervisionato dal Dr. Nicolas Mansard. L'obiettivo era quello di sviluppare un controllore MPC whole-body per solo12 (quadrupede open source), che consentisse la generazione di movimenti e locomozione, nonostante l'assenza di sensori di coppia ai giunti. Il robot infatti è fornito solo di motori brushless low cost con sensori encoder. L'approccio sviluppato consiste nel modellare un controllore di impedenza ai giunti e inglobarlo nella formulazione MPC, risolto con il solver numerico Crocoddyl, sviluppato dal gruppo Gepetto. Per miglirare la performance dello schema e fornire robustezza rispetto al rumore di misura e di processo nei motori, è stato proposto una formulazione "ensemble", ovvero l'ottimizzazione è condotta su un insieme di istanze del modello di predizione, campionate rispetto allo spazio di stato.
Primi test sono stati condotti nel simulatore pybullet e nel robot disponibile al LAAS.
--- Pubblicazioni ---
[1] F. M. Smaldone, N. Scianca, V. Modugno, L. Lanari, G. Oriolo, "Gait Generation using Intrinsically Stable MPC in the Presence of Persistent Disturbances", 2019 IEEE-RAS 19th International Conference on Humanoid Robots (Humanoids), DOI:
10.1109/Humanoids43949.2019.9035068
[2] F. M. Smaldone, N. Scianca, V. Modugno, L. Lanari, G. Oriolo, "ZMP Constraint Restriction for Robust Gait Generation in Humanoids", 2020 IEEE International Conference on Robotics and Automation. DOI: 10.1109/ICRA40945.2020.9197171
[3] F.M. Smaldone, N. Scianca, L. Lanari, G. Oriolo, "Robust MPC-Based Gait Generation in Humanoids", 2° Conferenza Italiana di Robotica e Macchine Intelligenti, pp. 308--311, 2020. DOI: 10.5281/zenodo.4781064
[4] F.M. Smaldone, N. Scianca, L. Lanari, G. Oriolo, "Feasibility-Driven Step Timing Adaptation for Robust MPC-Based Gait Generation in Humanoids", IEEE Robotics and Automation Letters, 6(2), 2021, pp.1582-1589. DOI: 10.1109/LRA.2021.3059627
[5] F.M. Smaldone, N. Scianca, L. Lanari, G. Oriolo, "A Feasibility-Based MPC Framework for Robust Gait Generation", 2021, Workshop on Recent advances in MPC and RL for legged robots
[6] F. M. Smaldone, N. Scianca, L. Lanari, G. Oriolo, "MPC-based gait generation for humanoids: from walking to running", 2021 I-RIM Conference, Rome, Italy. DOI: 10.5281/zenodo.5900605
[7] M. Kanneworff, T. Belvedere, N. Scianca, F. M. Smaldone, L. Lanari, G. Oriolo, "Task-oriented generation of stable motions for wheeled inverted pendulum robots", 2022 IEEE International Conference on Robotics and Automation, Philadelphia, USA, pp. 214-220, 2022. DOI:10.1109/ICRA46639.2022.9812317
[8] F. M. Smaldone, N. Scianca, L. Lanari, G. Oriolo, "From walking to running: 3D humanoid gait generation via MPC," Frontiers in Robotics and AI, vol. 9, pp. 1-18, 2022, DOI:10.3389/frobt.2022.876613
[9] A. S. Habib, F. M. Smaldone, N. Scianca, L. Lanari, G. Oriolo, "Handling non-convex constraints in MPC-based humanoid gait generation", 2022 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2022), Kyoto, Japan, 2022
> Spyridon TARANTOS (Anno di corso: 3)
--- Frequenza ---
My activity took place at DIAG for the whole period
Suspension period: 1/12/2021-31/08/2022
--- Attività di studio ---
Master Courses:
- System Identification and Optimal Control (Module 1: Optimal Control), 25 September 2018
December 2018, prof. Daniela Iacoviello, DIAG, 4 CFU
- Elective in Robotics, Control Problems in Robotics, (Module: Underactuated Robots), 13 November 2018
20 December 2018, prof. Leonardo Lanari and prof. Giuseppe Oriolo, DIAG, 3 CFU
- Nonlinear Systems and Control, September 2018 - December 2018 and February 2019 - May 2019, prof. Salvatore Monaco, DIAG, 12 CFU
- Autonomous and Mobile Robotics, 25 September 2019
20 December 2019, prof. Giuseppe Oriolo, DIAG, 6 CFU
Courses Given By Other Institutes:
- Model Predictive Control, 27 March 2019
2 April 2019, prof. Alberto Bemporad, IMT School for Advanced Studies, 20 hours
Online Courses:
- Convex Optimization, September 2018
December 2018, prof. Stephen Boyd, Online Platform Stanford University, 20 hours
- Numerical Optimal Control, October 2021, prof. Moritz Diehl, University of Freiburg, approx. 30 hours
Summer Schools:
- SIDRA 2019 PhD Summer School (courses: Model Reduction by Moment Matching for Linear and Nonlinear Systems, Intelligent Collaborative Robotics), 14 July 2019
20 July 2019, prof. Paolo Rocco, prof. Andrea Maria Zanchettin and prof. Alessandro Astolfi, Bertinoro University Residential Centre, 40 hours
ABRO Courses:
- Robust Optimization, 6 March 2019
20 March 2019, prof. Giampaolo Liuzzi, prof. Aharon Ben-Tal and prof. Sara Mattia, DIAG, 5 CFU
- Advances in Bioengineering, 3 June 2019
6 June 2019 and 9 September 2019
13 September 2019, prof. Laura Astolfi and prof. Febo Cincotti, DIAG, 5 CFU
-Advances in Automatic Control Cybersecurity and Control, 15 April 2020 - 24 April 2020, prof. Paolo Di Giamberardino, prof. Daniela Iacoviello, prof. Mattia Mattioni, prof. Salvatore Monaco, prof. Andrea Cristofaro, prof. Francesco Liberati, DIAG (Virtual), 5 CFU
--- Attività di ricerca ---
During the period of the PhD, my research was focused on the motion generation via Nonlinear Model Predictive Control (NMPC) for robotic platforms, specifically mobile robots and mobile manipulators. Particular focus was given on the robot safety in the sense of collision avoidance and robot balance.
Regarding the mobile robots, I investigated the problem of safe robot navigation via NMPC in environments populated by static and/or moving obstacles. I focused my attention on the collision avoidance constraints that have to be included in the NMPC and how their structure can affect their effectiveness. Although traditional methods are based on collision avoidance constraints that consider purely distance-based information, these constraints typically fail to maintain the robot safety when the prediction horizon is relatively short. For this purpose, we developed a dynamics-aware collision avoidance constraint that in addition to the distance information, considers the robot-obstacle relative velocity as well as the robot actuation capabilities. In our paper [1] the proposed dynamics-aware collision avoidance constraint was used in an NMPC scheme for robot navigation. The simulations indicated that the proposed NMPC is more effective compared to its distance-based counterpart, especially when the robot navigates at high speed in environments cluttered with moving obstacles. This work was one of the finalists for the best paper award at the 17th International Conference on Intelligent Autonomous Systems.
Still in the context of robot navigation via NMPC, I also investigated the particular problem of robot navigation in environments populated by a crowd of humans. In this project my intention was to study how the use of collision avoidance constraints built upon appropriate Control Barrier Functions (CBFs) can improve the performance of an NMPC compared to its purely distance-based counterpart. For the considered application a complete safe robot navigation framework was designed, comprised of a crowd prediction module and a motion generation module. The crowd prediction module was based on a simple yet effective method that used Kalman Filters, while the motion generation module was implemented using a real-time NMPC algorithm. Within the NMPC, the considered collision avoidance constraints were built upon appropriate discrete time CBFs. The conducted simulations indicated the effectiveness of the proposed method and its superiority over its distance-based counterpart. This work resulted in the conference paper [3].
Moreover, a big part of my PhD was dedicated to the real-time motion generation for mobile manipulators (MMs) that are called to execute aggressive motions. Apart from the robot safety in terms of collision avoidance, I particularly focused on the robot safety in terms of balance. MMs that operate in narrow spaces are generally characterized by their small mobile bases, which increases the danger of balance loss especially under the execution of aggressive motions. To address this problem, I investigated how balance constraints can be included in motion generation methods like NMPC. We proposed an NMPC that considers the robot full dynamics model, in order to generate kinodynamically feasible motions, and appropriate collision avoidance constraints in order to avoid collisions with the environment obstacles as well as with itself. In order to maintain the robot balance, we proposed a balance constraint that restricts the robot feasible motions to those generating non-negative moments around the robot support polygon edges. However, an NMPC like this is computationally heavy to be solved using off-the-shelf solvers that require symbolic representation of the optimal control problem, as the dynamic model and particularly the balance constraint are in principle long and complex expressions. To enable the use of those kinds of solvers the balance constraint was appropriately linearized. Comparison with methods from the literature showed that the proposed method can effectively handle aggressive motions, outperforming the compared methods. This work is presented in [2].
Finally, I focused my attention on motion generation methods that use simplified models of the considered robot, in an attempt to reduce the computational time. Such a choice can be beneficial when the considered robot has a complex structure, like in the case of a MM, however it can jeopardize the robot safety. Under this prism, I considered optimization-based controllers (in the form of a quadratic program) that can be interposed between such motion generation modules and the robot in an attempt to enforce safety in terms of the robot balance and collision avoidance. The resulting controller was shown to be effective even in the case of a motion generation module that considers only the robot kinematics. The work associated with this part of my research is expected to be submitted for publication shortly.
--- Pubblicazioni ---
[1] S. G. Tarantos, G. Oriolo, "A dynamics-aware NMPC method for robot navigation among moving obstacles", 17th International Conference on Intelligent Autonomous Systems, Zagreb, Croatia, 2022
[2] S. G. Tarantos, G. Oriolo, "Real-time motion generation for mobile manipulators via NMPC with balance constraints", 30th Mediterranean Conference on Control and Automation, Athens, Greece, pp. 853-860, 2022. DOI:10.1109/MED54222.2022.9837159
[3] V. Vulcano, S. G. Tarantos, P. Ferrari, G. Oriolo, "Safe robot navigation in a crowd combining NMPC and control barrier functions", 61st IEEE Conference on Decision and Control, Cancun, Mexico, 2022
> Paolo Maria VICECONTE (Anno di corso: 3)
--- Frequenza ---
La mia attività di ricerca si è svolta interamente presso la Fondazione Istituto Italiano di
Tecnologia (IIT), in particolare all'interno della linea Artificial and Mechanical Intelligence (AMI) -
precedentemente Dynamic Interaction Control (DIC) - avente sede a Genova, sotto la
supervisione esterna di Daniele Pucci.
--- Attività di studio ---
1. ABRO Advances in Automatic Control: Cybersecurity and Control (5 CFU), tenuto dai prof. Paolo Di Giamberardino, Daniela Iacoviello, Mattia Mattioni, Salvatore Monaco, Andrea Cristofaro e Francesco Liberati tra il 15 e il 22 Aprile 2020.
2. ABRO Advances in Bioengineering: Bioengineering and Personalized Medicine (5 CFU), tenuto dai prof. Manuela Petti, Jlenia Toppi, Riccardo Barbieri e Paola Paci tra il 15 e il 24 Settembre 2020.
3. ABRO Advances in Automatic Control: Health and Control (5 CFU), tenuto dai prof. Claude Moog, Claudia Califano, Francesco Delli Priscoli, Marilena Vendittelli, Alessandro Giuseppi e Chiara Toffanin tra il 13 e il 23 Aprile 2021.
4. Model Predictive Control, erogata in via telematica dalla Scuola IMT Alti Studi di Lucca, tenuta dal prof. Alberto Bemporad tra il 3 e il 10 Giugno 2020, dalla durata complessiva di 23 ore, per la quale gli organizzatori consigliano l'attribuzione di 2 CFU.
5. Regularization Methods for Machine Learning, erogata in via telematica dal PhD Program in Computer Science dell'Univeristà di Genova, tenuta dal prof. Lorenzo Rosasco tra il 29 Giugno e il 3 Luglio 2020, dalla durata complessiva di 20 ore, completata superando una prova finale consistente nella stesura di un report sulle attività di laboratorio condotte durante la scuola, per la quale gli organizzatori consigliano (avendo superato la prova finale) l'attribuzione di 6 CFU.
6. Theatrical techniques for Scientific Presentation, erogata in parte in presenza ed in parte in via telematica dal PhD Program in Bioengineering and Robotics dell'Univeristà di Genova, tenuta dal prof. Antonio Sgorbissa tra il 4 Febbraio ed il 5 Giugno 2020, dalla durata complessiva di 12 ore, completata superando una prova finale consistente nel tenere una presentazione scientifica applicando le tecniche apprese durante la scuola, per la quale gli organizzatori consigliano (avendo superato la prova finale) l'attribuzione di 6 CFU.
7. Mediterranean Machine Learning School, erogata in via telematica dall'organizzazione AI Education Foundation (facente capo ai Research Scientists/Engineers presso DeepMind Matteo Hessel, Francesco Visin, Francesco Romano e Martina Zambelli), tenutasi sotto forma di lezioni da parte dei relatori invitati e sessioni pratiche di laboratorio tra l'11 e il 16 Gennaio 2021, dalla durata complessiva di 37 ore, per la quale gli organizzatori non consigliano un determinato numero di CFU da attribuire.
8. C++ Programming Techniques, erogata in via telematica dal PhD Program in Bioengineering and Robotics dell'Univeristà di Genova, tenuta dai prof. Fabio Solari ed Emanuela Chessa tra il 5 e il 16 Marzo 2021, dalla durata complessiva di 18 ore, completata superando una prova finale consistente nello svolgimento di un homework applicando le tecniche apprese durante la scuola, per la quale gli organizzatori consigliano (avendo superato la prova finale) l'attribuzione di 6 CFU.
--- Attività di ricerca ---
La mia attività di ricerca nel triennio di dottorato ha riguardato l'applicazione di tecniche di machine learning alla pianificazione ed al controllo della locomozione di robot umanoidi. Tale attività è finalizzata all'ottenimento di strategie di pianificazione e controllo, automaticamente apprese, che consentano ad un robot dalla struttura articolata come un umanoide di eseguire, in maniera robusta e quanto più naturale possibile, task motorii di complessità crescente
Durante il primo anno, ho lavorato ad un progetto mirato all'apprendimento di strategie di balancing e push-recovery per robot umanoidi tramite tecniche di reinforcement learning [1]. Particolare attenzione è stata posta nella formulazione di una funzione di reward che includesse termini derivati dalle metodologie "classiche" di controllo per robot umanodi, al fine di velocizzare l'apprendimento e migliorare le prestazioni complessive, validate in simulazione utilizzando un modello realistico di iCub. Centrale per la robustezza e la naturalezza dei comportamenti ottenuti si è dimostrata anche la scelta di un'architettura di controllo whole-body che desse la possibilità di controllare tutti i giunti dell'umanoide, inclusi quelli delle braccia, per mantenere l'equilibrio.
Durante il secondo anno, ho lavorato allo sviluppo di tecniche per la generazione efficiente ed il controllo di traiettorie di camminata di vario genere (frontale, laterale e all'indietro, gestendo anche le transizioni da una tipologia all'altra) per robot umanoidi, che presentassero una maggiore human-likeness rispetto allo stato dell'arte. Centrale per il raggiungimento di tale obiettivo si è rivelata l'integrazione di tecniche data-driven recentemente proposte in ambito di computer grafica per l'animazione di personaggi in ambienti virtuali con strategie di controllo whole-body per robot umanoidi. Tale attività ha condotto alla presentazione, in [2], di un'architettura di sistema che si avvale di reti neurali addestrate su dati motorii raccolti da soggetti umani per la generazione efficiente di traiettorie human-like e di controllori gerarchici whole-body allo stato dell'arte per il tracking di tali traiettorie. Il robot umanoide iCub v2.7 è stato utilizzato come piattaforma per validare la metodologia proposta.
Durante il terzo anno, ho curato il processo di pubblicazione per [2], lavorando intanto a due principali estensioni del lavoro presentato in [2]. Da un lato, verso nuove tipologie di movimento (in particolare crouching, utile per interazioni uomo-robot ergonomiche o attraversamento di passaggi stretti in altezza). Dall'altro, verso nuove piattaforme (in particolare, l'intera architettura presentata in [2] è stata migrata sul robot iCub v3). Inoltre, ho contribuito allo sviluppo di tecniche di locomozione e riconoscimento di texture tramite sensori tattili per le semifinali e le finali della competizione ANA Avatar XPrize, i cui esiti e contributi sono documentati in [3].
Riconoscimenti:
1. La pubblicazione [1] ha ricevuto il riconoscimento di "Best Interactive Paper Award Finalist" alla 2020 IEEE-RAS International Conference on Humanoid Robots presso cui è stata presentata.
2. La pubblicazione [2] ha ricevuto il riconoscimento di "Runner-Up Poster Award" al 2nd NAVER LABS Europe International Workshop on AI for Robotics presso cui è stata presentata.
--- Pubblicazioni ---
[1] D. Ferigo*, R. Camoriano*, P. M. Viceconte, D. Calandriello, S. Traversaro, L. Rosasco, D. Pucci, "On the Emergence of Whole-body Strategies from Humanoid Robot Push-recovery Learning", IEEE Robotics and Automation Letters, vol. 6, no. 4, pp. 8561-8568, October 2021, presentato anche a 2020 IEEE-RAS International Conference on Humanoid Robots, Munich, 20-21 Luglio 2021. DOI: 10.1109/LRA.2021.3076955.
[2] P. M. Viceconte, R. Camoriano, G. Romualdi, D. Ferigo, S. Dafarra, S. Traversaro, G. Oriolo, L. Rosasco, D. Pucci, "ADHERENT: Learning Human-like Trajectory Generators for Whole-body Control of Humanoid Robots", IEEE Robotics and Automation Letters, vol. 7, no. 2, pp. 2779-2786, April 2022, presentato anche a 2022 IEEE International Conference on Robotics and Automation, Philadelphia, 23-27 Maggio 2022. DOI: 10.1109/LRA.2022.3141658.
[3] S. Dafarra, U. Pattacini, G. Romualdi, L. Rapetti, R. Grieco, K. Darvish, G. Milani, E. Valli, I. Sorrentino, P. M. Viceconte, A. Scalzo, S. Traversaro, C. Sartore, M. Elobaid, N. Guedelha, C. Herron, A. Leonessa, G. Metta, M. Maggiali, D. Pucci, "iCub3 Avatar System", in via di sottomissione a Science Robotics.