CONTROLLO DELLA TRAIETTORIA DI UN BICICLO MEDIANTE DEEP REINFORCEMENT LEARNING

Negli ultimi anni, la guida autonoma ha acquisito crescente rilevanza come tecnologia in grado di rivoluzionare il settore dei trasporti. Tra le sfide principali rientra il path following, ovvero la capacità del veicolo di seguire un percorso prestabilito con precisione e sicurezza. I metodi tradizionali, basati su regole fisse o su una taratura manuale dei parametri, mostrano forti limitazioni in ambienti caratterizzati da elevata complessità e variabilità. Per affrontare tali criticità, in questa tesi è stato progettato e simulato in ambiente Simulink un modello cinematico di biciclo, utilizzato per testare un agente basato sull’algoritmo Deep Deterministic Policy Gradient (DDPG). L’agente è stato addestrato per eseguire il controllo dello sterzo lungo una traiettoria a forma di otto, nota anche come lemniscata di Gerono, ottenendo risultati promettenti in termini di stabilità, rapidità e fluidità del moto. L’approccio proposto si è dimostrato efficace nel generare azioni di controllo ottimizzate, aprendo interessanti prospettive per l’evoluzione dei sistemi di guida autonoma.