Nino CAULI

Ricercatore di INFORMATICA [INF/01]
Ufficio: V.le A. Doria, 6 DMI, I blocco, II piano, stanza 325
Email: nino.cauli@unict.it
Telefono: 0957383007
Sito web: nigno17.github.io/
Orario di ricevimento: Lunedì e mercoledì dalle 15:00 alle 17:00



Nino Cauli è un ricercatore al Dipartimento di Matematica e Informatica di Catania. La sua attività di ricerca si focalizza su due temi: lo studio di modelli di Deep Learning applicati alla Computer Vision ed all'interazione Uomo-Robot; lo studio e sviluppo di sistemi biometrici di riconoscimento facciale che assicurino la protezione della riservatezza. Ha ricevuto il diploma di laurea magistrale in Informatica all'Università di Pisa nel 2010 ed il Dottorato in Biorobotica all'Istituto di BioRobotica della Scuola Superiore Sant'Anna di Pisa nel 2014. Nino Cauli è stato un ricercatore di post dottorato all'Istituto di BioRobotica da inizio 2014 fiono a fine 2015. Durante quel periodo, ha collaborato alla “SP10 – Neurorobotics platform”, sottoprogetto dello Human Brain Project (HBP). A partire da Aprile 2016 fino a Novembre 2018, ha lavorato come ricercatore di post dottorato al Computer Vision Laboratory (VisLab), parte dell'Institute for Systems and Robotics (ISR) di Lisbona. Il focus della sua attività di ricerca a Lisbona era su controllori senso-motori predittivi e learning by demonstration per robot umanoidi usado algoritmi di Computer Vision e Machine Learning. Per tutto il  2019 è stato ricercatore di post dottorato al Ryerson Multimedia Research Laboratory presso la Ryerson University a Toronto, Canada. durante questo periodo si è interessato di stima della posa 3D di oggetti conosciuti a partire da sequenze video. Durante la sua carriera da ricercatore, ha collaborato a svariati progetti internazionali: RoboSom, Human Brain Project, AHA project (Portogallo), Augmented Reality Framework for Museum Exhibits (Canada).

Articoli su rivista: 

  1. J. Kim, N. Cauli, P. Vicente, B. Damas, A. Bernardino, J. Santos-Victor, and F. Cavallo, “Cleaning tasks knowledge transfer between heterogeneous robots: a deep learning approach,” Journal of Intelligent & Robotic Systems, Aug 2019. 
  2. J. Kim, A. K. Mishra, R. Limosani, M. Scafuro, N. Cauli, J. Santos-Victor, B. Mazzolai, and F. Cavallo, “Control strategies for cleaning robots in domestic applications: A comprehensive review,” International Journal of Advanced Robotic Systems, vol. 16, no. 4, p. 1729881419857432, 2019. 
  3. E. Falotico, L. Vannucci, A. Ambrosano, U. Albanese, S. Ulbrich, J. C. Vasquez Tieck, G. Hinkel, J. Kaiser, I. Peric, O. Denninger, N. Cauli, et al., “Connecting artificial brains to robots in a comprehensive simulation framework: The neurorobotics platform,” Frontiers in neurorobotics, vol. 11, p. 2, 2017. 
  4. G. Hinkel, H. Groenda, S. Krach, L. Vannucci, O. Denninger, N. Cauli, S. Ulbrich, A. Roennau, E. Falotico, M.-O. Gewaltig, et al., “A framework for coupled simulations of robots and spiking neuronal networks,” Journal of Intelligent & Robotic Systems, vol. 85, no. 1, pp. 71–91, 2017. 
  5. E. Falotico, N. Cauli, P. Kryczka, K. Hashimoto, A. Berthoz, A. Takanishi, P. Dario, and C. Laschi, “Head stabilization in a humanoid robot: models and implementations,” Autonomous Robots, vol. 41, no. 2, pp. 349–365, 2017. 
  6. N. Cauli, E. Falotico, A. Bernardino, J. Santos-Victor, and C. Laschi, “Correcting for changes: expected perception-based control for reaching a moving target,” IEEE Robotics & Automation Magazine, vol. 23, no. 1, pp. 63–70, 2016. 

Articoli su conferenza:

  1. N. Cauli, P. Vicente, J. Kim, B. Damas, A. Bernardino, F. Cavallo, and J. SantosVictor, “Autonomous table-cleaning from kinesthetic demonstrations using Deep Learning,” in Joint IEEE International Conference on Development and Learning (ICDL) and Epigenetic Robotics (EpiRob), IEEE, 2018. 
  2. J. Kim, N. Cauli, P. Vicente, B. Damas, F. Cavallo, and J. Santos-Victor, ““iCub, clean the table!” A robot learning from demonstration approach using deep neural networks,” in Autonomous Robot Systems and Competitions (ICARSC), 2018 IEEE International Conference on, pp. 3–9, IEEE, 2018. 
  3. L. Vannucci, A. Ambrosano, N. Cauli, U. Albanese, E. Falotico, S. Ulbrich, L. Pfotzer, G. Hinkel, O. Denninger, D. Peppicelli, et al., “A visual tracking model implemented on the iCub robot as a use case for a novel neurorobotic toolkit integrating brain and physics simulation.,” in Humanoids, pp. 1179–1184, 2015. 
  4. G. Hinkel, H. Groenda, L. Vannucci, O. Denninger, N. Cauli, and S. Ulbrich, “A Domain-Specific Language (DSL) for Integrating Neuronal Networks in Robot Control. In 2015 Joint MORSE,” in VAO Workshop on Model-Driven Robot Software Engineering and View-based Software-Engineering, 2015. 
  5. L. Vannucci, N. Cauli, E. Falotico, A. Bernardino, and C. Laschi, “Adaptive visual pursuit involving eye-head coordination and prediction of the target motion,” in Proceedings of the 14th IEEE-RAS International Conference on Humanoid Robots (Humanoids), pp. 541–546, 2014. 
  6. N. Cauli, E. Falotico, A. Bernardino, J. Santos-Victor, and C. Laschi, “A robotic implementation of a reaching model based an a bio-inspired sensory anticipation system: the Expected Perception,” in IV Congresso Gruppo Nazionale Bioingegneria (GNB), 2014. 
  7. E. Falotico, N. Cauli, K. Hashimoto, P. Kryczka, A. Takanishi, P. Dario, A. Berthoz, and C. Laschi, “Head stabilization based on a feedback error learning in a humanoid robot,” in RO-MAN, 2012 IEEE, pp. 449–454, IEEE, 2012. 
  8. N. Moutinho, N. Cauli, E. Falotico, R. Ferreira, J. Gaspar, A. Bernardino, J. Santos-Victor, P. Dario, and C. Laschi, “An expected perception architecture using visual 3d reconstruction for a humanoid robot,” in Intelligent Robots and Systems (IROS), 2011 IEEE/RSJ International Conference on, pp. 4826–4831, IEEE, 2011.