Tesi di laurea | Linee guida di scrittura | Linee guida di sviluppo | Tesi in corso | Tesi svolte

Prima di richiedere la tesi…

Prima di richiedere formalmente la tesi, assicuratevi di avere letto con attenzione questa pagina. Quando infine avrete qualcosa da discutere, contattate il responsabile del Collab, prof. Filippo Lanubile.

 

Tesi da assegnare – supervisionate da un ricercatore del Collab

AI-augmented software development (AIware)

Agentic Engineering

L’agentic engineering si concentra sulla progettazione e sviluppo di sistemi software basati su agenti autonomi capaci di ragionare, pianificare e collaborare con altri agenti e con gli utenti. Questo paradigma sfrutta l’evoluzione degli LLM e delle architetture multi-agente per automatizzare attività complesse e adattarsi dinamicamente ai cambiamenti del contesto, con applicazioni che spaziano dallo sviluppo software alla sanità digitale.

Possibili tesi:

  • Progettazione di un sistema multi-agente per il supporto allo sviluppo collaborativo di software
  • Studio di modelli di pianificazione e coordinamento tra agenti in ambienti distribuiti
  • Benchmarking di agentic frameworks (LangChain, AutoGen, CrewAI, ecc.) in scenari di software engineering
  • Applicazione di agentic engineering a casi d’uso in digital health (monitoraggio, diagnosi, supporto decisionale)
  • Architetture di sicurezza e robustezza per sistemi agentici in domini critici
  • Integrazione di agenti autonomi in pipeline MLOps per l’automazione del ciclo di vita dei modelli ML

NLP e LLM in Software Engineering

C’è un crescente interesse nell’applicazione di modelli di Natural Language Processing (NLP), in particolare di Large Language Model (LLM), per assistere lo sviluppo e la manutenzione del software, come la generazione e la comprensione del codice, la generazione di test e la riparazione del programma. Sebbene l’applicazione degli LLM su attività rilevanti per il codice abbia mostrato prestazioni molto promettenti, c’è un enorme potenziale per esplorare ulteriormente questo dominio in crescita.

Possibili tesi:

  • Fine-tuning LLMs for Issue Report Classification
  • Synthetic Issue Report Data Generation
  • Investigating Prompt Variations for Issue Report Classification with Large Language Models
  • Code Comment Classification @ NLBSE25 Tool Competition
  • Enhancing the Quality and Completeness of Markdown Documentation in Jupyter Notebooks Using LLMs

Emotion detection in Software Engineering

Per garantire il successo di progetti software di successo è importante monitorare le emozioni a livello individuale e i team, poichè le emozioni negative possono rappresentare un ostacolo allo sviluppo collaborativo.

Nell’ambito di queste tematiche, l’attività di ricerca e le relative tesi vertono sul riconoscimento di emozioni a partire dall’analisi dei sensori biometrici su dispositivi indossabili.

Digital Health

Synthetic Data Generation

L’uso della Generative AI sta rivoluzionando la generazione di immagini sintetiche, offrendo soluzioni efficienti per la creazione di contenuti tridimensionali di alta qualità. Questa ricerca analizza i modelli per la sintesi di immagini 3D, confrontando vari approcci e valutandone le applicazioni in settori come simulazione medica, realtà virtuale e gaming.

Possibili tesi:

  • Valutazione di modelli di diffusion per la generazione di immagini MRI 3D sintetiche
  • Studio comparativo tra GAN, VAE e Diffusion Models per dati medici tridimensionali
  • Metriche per la valutazione della realismo e utilità clinica di dati sintetici
  • Data augmentation con immagini sintetiche per il training di modelli di diagnosi automatica
  • Generazione di dataset sintetici per la simulazione di scenari rari o critici in sanità
  • Synthetic-to-real transfer learning: uso di dati sintetici per migliorare le prestazioni su dataset reali
  • Pipeline MLOps per la validazione e gestione di dati sintetici in ambito sanitario

Digital Twin in Healthcare

Il concetto di digital twin si riferisce alla creazione di una replica digitale di un paziente, di un organo o di un processo clinico, basata sull’integrazione di dati eterogenei (clinici, immagini, wearable, simulazioni computazionali). L’obiettivo è supportare diagnosi, predizione di esiti e personalizzazione delle terapie.

Possibili tesi:

  • Sviluppo di un pipeline per la costruzione di un digital twin clinico a partire da dati multimodali
  • Analisi di modelli di simulazione per la predizione di eventi avversi (es. rischio frattura, scompenso cardiaco)
  • Integrazione di modelli di machine learning e simulazioni FEM per digital twin in ambito ortopedico o cardiovascolare
  • Architetture MLOps per l’aggiornamento continuo di digital twin sanitari
  • Visualizzazione e interpretabilità dei risultati di un digital twin clinico

Secure & Responsible AI

RegOps & Compliance Automation

Il crescente impatto dell’AI in domini regolamentati, come la sanità, richiede strumenti e metodologie che garantiscano la conformità a normative sempre più stringenti (AI Act, MDR, ISO). L’approccio RegOps estende i principi di DevOps e MLOps ai processi di compliance, introducendo pratiche di automazione, monitoraggio e tracciabilità per la generazione e l’aggiornamento della documentazione regolatoria. Questo ambito di ricerca mira a rendere la conformità parte integrante del ciclo di vita del software, riducendo tempi e costi, aumentando l’affidabilità e semplificando i processi di audit.

Possibili tesi:

  • Analisi e sviluppo di una componente per la verifica automatica della conformità basata su checklist dinamiche
  • Generazione automatizzata del Fascicolo Tecnico per dispositivi medici AI-based
  • Workflow di audit continuo per AI Act e MDR integrato in pipeline MLOps
  • Progettazione di un sistema per la tracciabilità e versioning della documentazione regolatoria
  • Studio comparativo di strumenti open-source per la gestione della compliance in ambito AI
  • Automazione del risk management e della valutazione di impatto (AI Act e GDPR) in contesti MLOps

MLSecOps

L’integrazione del machine learning nei sistemi software introduce nuove vulnerabilità e minacce. Il paradigma MLSecOps estende i principi del DevSecOps al ciclo di vita dei modelli di machine learning, includendo sicurezza dei dati, robustezza dei modelli e monitoraggio continuo delle pipeline. Questo approccio mira a garantire che i sistemi di AI siano resilienti ad attacchi adversariali, avvelenamento dei dati e manipolazioni in fase di training o di deployment, bilanciando prestazioni e protezione.

Possibili tesi:

  • Vulnerability Assessment e Penetration Testing di pipeline ML in ambienti cloud-native
  • Analisi e difesa da attacchi adversariali in modelli di deep learning per immagini e testi
  • Studio degli effetti del data poisoning e strategie di rilevamento e mitigazione
  • Monitoraggio continuo e anomaly detection per garantire l’integrità dei modelli in produzione
  • Progettazione di un framework MLSecOps per integrare sicurezza e MLOps in un unico approccio
  • Confronto tra tool e best practice di sicurezza applicati a pipeline di machine learning

API Security

Le API sono il punto di ingresso dei sistemi moderni e spesso rappresentano l’anello debole della sicurezza. Nei sistemi AI, in particolare, gli endpoint di modelli espongono nuovi rischi come data leakage e attacchi di prompt injection. Garantire la protezione delle API significa combinare controlli robusti, monitoraggio continuo e rilevazione automatica di anomalie.

Possibili tesi:

  • Anomaly detection sul traffico API tramite modelli ML
  • Implementazione di una pipeline automatizzata per test e validazione della sicurezza delle API
  • Hardening di endpoint AI (LLM/inference) contro injection e abusi
  • Confronto di gateway API (Kong, APISIX, Envoy) per la gestione della sicurezza

Tesi in collaborazione con il Robolab

Il settore della robotica sta vivendo una fase di forte evoluzione, aprendo nuove prospettive di ricerca e applicazione. Un ruolo centrale è assunto dalla human-robot interaction, che mira a creare sistemi capaci di lavorare in modo sicuro, fluido ed efficace accanto alle persone. In questo contesto, i robot diventano anche piattaforme per il physical AI o embodied AI, dove l’intelligenza prende forma attraverso il corpo fisico del robot e la sua interazione con l’ambiente. Le tesi qui presentate riflettono questa trasformazione, esplorando soluzioni avanzate per la cooperazione uomo-robot, la percezione, l’autonomia e i comportamenti intelligenti nel mondo reale.
Le tesi si svolgono usando dapprima simulatori software e successivamente robot fisici, sotto la supervisione di componenti del Laboratorio didattico di Robotica (RoboLab).
Possibili tesi:

  • Automazione del test per applicazioni robotiche basate su ROS2
  • Interfaccia Audio per l’Interazione Umano-Robot
  • Utilizzo del doppio braccio di Tiago Pro in uno scenario di trasporto di oggetti
  • Apertura di porte con Tiago Pro in uno scenario di trasporto di oggetti
  • Navigazione pianificata per Tiago in ambiente ospedaliero multipiano
  • Collaborazione multi-robot in ambiente ospedaliero
  • Sostituzione di flebo con Tiago Pro in ambiente ospedaliero

robot

Tesi da assegnare su progetti esterni

Un invito sempre valido è quello di partecipare attivamente a un progetto open source di vostro interesse. Questa è un’opportunità concreta per mettere alla prova e migliorare le vostre capacità, confrontandovi con altri sviluppatori di tutto il mondo. E’ importante che la scelta sia dettata dall’interesse in un’applicazione o una tecnologia, soprattutto se già ne conoscete limiti e pregi: questo renderebbe più semplice l’inizio della collaborazione (ciononostante, ogni vuoto è colmabile). L’applicazione con la quale “provare” la tecnologia potreste averla già individuata oppure potreste trovarla consultando una guida alla contribuzione a un progetto open source o l’analizzatore di progetti open source Open Hub. Quello che vi si chiede non è granchè diverso dall’iniziativa Google Summer of Code, in cui un manipolo di studenti valorosi sono ingaggiati per pochi mesi al fine di creare o estendere un progetto di open source software. Nel vostro caso il premio è la tesi di laurea.