Daniele Meli

Foto Meli Daniele,  11 luglio 2023
Qualifica
Ricercatore a tempo determinato
Ruolo
RTD-A
Settore disciplinare
IINF-05/A - Sistemi di elaborazione delle informazioni
Settore di Ricerca (ERC-2024)
PE6_7 - Artificial intelligence, intelligent systems, natural language processing

Ufficio
Ca' Vignal 2,  Piano 1,  Stanza 80
Telefono
+39 045 802 7908
E-mail
daniele|meli*univr|it <== Sostituire il carattere | con . e il carattere * con @ per avere indirizzo email corretto.

Orario di ricevimento

Si riceve su appuntamento

Curriculum

Insegnamenti

Insegnamenti attivi nel periodo selezionato: 7.
Clicca sull'insegnamento per vedere orari e dettagli del corso.

Di seguito sono elencati gli eventi e gli insegnamenti di Terza Missione collegati al docente:

  • Eventi di Terza Missione: eventi di Public Engagement e Formazione Continua.
  • Insegnamenti di Terza Missione: insegnamenti che fanno parte di Corsi di Studio come Corsi di formazione continua, Corsi di perfezionamento e aggiornamento professionale, Corsi di perfezionamento, Master e Scuole di specializzazione.

Gruppi di ricerca

ISLa - Intelligent Systems Lab
Intelligenza artificiale, statistical learning ed analisi dei dati per sistemi intelligenti
Competenze
Argomento Descrizione Area di ricerca
Agenti intelligenti L'area di ricerca degli agenti intelligenti si occupa di progettare e sviluppare entita' autonome in grado di percepire, comprendere ed interagire con l'ambiente in cui gli agenti operano. Alcuni degli argomenti di tale area di ricerca sono: pianificazione delle azioni, apprendimento, ragionamento in condizioni di incertezza. Intelligenza Artificiale
Distributed artificial intelligence
AI e robotica Applicazione di tecniche di intelligenza artificiale per aumentare il livello di autonomia dei sistemi robotici. Ciò include l'adattamento di algoritmi per la pianificazione autonoma e l'apprendimento per rinforzo per: i) gestire i vincoli cyber-fisici imposti dai robot che operano in scenari parzialmente osservabili e incerti; ii) garantire l'affidabilità e la robustezza dei sistemi robotici che operano in ambienti aperti (ad esempio, interagendo con gli esseri umani e altri sistemi robotici); iii) facilitare l'uso di sistemi robotici in applicazioni realistiche proponendo nuovi paradigmi di interazione con gli utenti (ad esempio, addestrare un robot a eseguire un compito piuttosto che specificare un programma di controllo). Intelligenza Artificiale
Planning and scheduling
Intelligenza artificiale spiegabile L'obiettivo dell'IA spiegabile (XAI) è i) spiegare i modelli black-box; ii) sviluppare modelli di IA che siano interpretabili per costruzione. Ad esempio, ciò comporta l'analisi e la scoperta causale, i modelli logici di agenzia (con la programmazione logica) e l'apprendimento automatico logico (con la programmazione logica induttiva). XAI aiuta a caratterizzare l'accuratezza del modello, l'equità, la trasparenza e i risultati nel processo decisionale alimentato dall'IA; inoltre questo campo si concentra sui metodi per migliorare l'interpretazione dei modelli e delle decisioni utilizzando strumenti statistici e grafici. Intelligenza Artificiale
Machine learning
Pianificazione neurosimbolica L'IA neurosimbolica si concentra sulla combinazione dell'IA standard basata sui dati (ad esempio, l'apprendimento per rinforzo) con approcci simbolici (ad esempio, la programmazione logica e la programmazione logica induttiva), al fine di migliorare la spiegabilità dei sistemi di IA (ad esempio, gli agenti autonomi), la loro efficacia nell'interazione uomo-robot e favorire l'acquisizione incrementale di conoscenza e la generalizzazione nella pianificazione. Intelligenza Artificiale
Planning and scheduling
Progetti
Titolo Data inizio
Sviluppo di una soluzione di pianificazione del moto efficiente e robusta per manipolatori robotici iper-ridondanti 01/10/22
ARS - Autonomous Robotic Surgery 01/10/17




Organizzazione

Strutture del dipartimento

Condividi