Le classi 4AI e 4BI con 16 studentesse e studenti partecipano alla decima edizione dei Campionati Nazionali di Robotica 2026, una competizione, bandita dal Ministero dell’Istruzione e del Merito (MIM), dedicata alle scuole italiane per promuovere la cultura della robotica, del coding e delle discipline STEM.
I Campionati sono gare di squadra rivolte alle studentesse e agli studenti degli istituti secondari di
secondo grado italiani, statali e paritari.
Il tema di questa edizione è il gioco e noi partecipiamo alla categoria Inventa il tuo gioco che prevede la creazione di un gioco originale in cui il robot è parte essenziale delle regole e delle meccaniche di
gioco.
Il nostro gioco è “La Sfida della Pozza” nella versione v1.0.
Si tratta di è un gioco cyber-fisico bio-ispirato, che consiste nella sfida tra due robot all’interno di una arena con una pozza d’acqua delimitati da bordi line follower: la Preda deve raggiungere la pozza d’acqua e fermarsi correttamente mentre il Predatore deve catturarla prima che raggiunga la pozza.
Il progetto traduce in robotica la dinamica Predatore–Preda naturale, con asimmetria realistica (Preda “passista”: resistenza/endurance; Predatore “velocista”: caccia esplosiva), simulando limiti percettivi ed energetici per generare dinamiche emergenti imprevedibili.
I robot sono costruiti modificando modelli rover LEGO® Technic secondo un regolamento costruttivo rigoroso, l’unità di governo è identica per tutti i robot (Raspberry Pi Pico H con MicroPython), mentre sensori, attuatori e configurazione differiscono per ruolo (asimmetria predatore–preda).
Ogni robot riflette una strategia personale e originale, sviluppata traducendo comportamenti naturali in tattiche operative (resistenza/evasiva per le Prede, aggressività/ingaggio per i Predatori), con differenze strutturali (distribuzione sensori, meccanica, calibrazione) e logiche (stati comportamentali, parametri di configurazione).
Uno degli elementi più avanzati e didatticamente significativi del progetto è l’implementazione di un vero apprendimento esperienziale (experiential learning) sia nei robot sia negli studenti. Ogni robot registra in tempo reale tutte le azioni Ricerca o Fuga a seconda del ruolo durante il gioco.
Il comportamento del robot non è determinato da una regola rigida e immutabile, come ad esempio “curva sempre a destra”, ma si basa su una strategia dinamica e adattiva. In ogni momento, il robot sceglie le sue azioni (ad esempio andare a sinistra, a destra o dritto) secondo una distribuzione di probabilità, cioè una sorta di “preferenza” per ciascuna direzione.
Queste probabilità non sono fissate una volta per tutte: vengono continuamente aggiornate in base all’esperienza accumulata. Dopo ogni partita o episodio, il robot analizza i risultati ottenuti (i cosiddetti log), valutando quali azioni hanno portato a esiti migliori, come una maggiore sopravvivenza o una vittoria.
Se, ad esempio, scegliere di andare a sinistra si è rivelato più efficace in passato (cioè ha prodotto un reward più alto), allora la probabilità di scegliere di nuovo quella direzione aumenterà nelle partite successive. Al contrario, le azioni meno efficaci verranno progressivamente scartate, riducendo la loro probabilità.
Questo meccanismo riflette il principio fondamentale del Reinforcement Learning: un agente che interagisce con un ambiente impara nel tempo ad adattare il proprio comportamento con l’obiettivo di massimizzare il reward cumulativo futuro. Nel caso del robot, questo reward può essere interpretato come la probabilità di sopravvivenza o di successo.
In sintesi, il robot “impara dall’esperienza”: non segue regole fisse, ma sviluppa progressivamente una strategia sempre più efficace basata su ciò che ha funzionato meglio in passato.
Think different.