Uno degli obiettivi fondanti dell'Intelligenza Artificiale e della Robotica riguarda lo sviluppo di agenti capaci di interagire con l'ambiente circostante. Per raggiungere questo obiettivo, un passo fondamentale è quello di rendere l'agente capace di capire lo stato attuale del mondo che lo circonda. In questo contesto, la visione rappresenta uno dei canali sensoriali preferibili, e per questo motivo la comunità scientifica sta lavorando molto per sviluppare sistemi di visione per robot sempre più prestazionali. Grazie alla loro capacità ed efficienza nella gestione di informazioni visive, le reti neurali di tipo deep sono state e continuano ad essere uno degli strumenti fondamentali per affrontare un gran numero di attività in Robotica, come ad esempio la stima di ego-movimenti, la predizione delle distanze, la generazione di strategie di grasp, e la segmentazione semantica.
In questo progetto, mostreremo le tecniche più avanzate che il Politecnico di Torino sta sviluppando per costruire le fondamenta della conoscenza teorica e degli algoritmi che i robot del futuro, e più in generale i sistemi intelligenti, useranno per imparare autonomamente sugli oggetti, sull'ambiente e sul mondo.