CONTROLLO DI UN ESOSCHELETRO DEGLI ARTI INFERIORI A 6 GRADI DI LIBERTÀ MEDIANTE DEEP REINFORCEMENT LEARNING

L’ampia evoluzione della robotica e dell’automazione ha portato allo sviluppo di sistemi complessi in grado di fornire supporto alla medicina e alla riabilitazione. Grazie alla ricerca, sono sempre di più i progetti che si pongono l’obiettivo di realizzare robot che possano aiutare gli umani nella loro mobilità, e in tale ambito si pone il lavoro realizzato. Lo scopo di questa tesi è il controllo, mediante i software Simulink e Matlab, di un esoscheletro degli arti inferiori a 6 giunti tramite una strategia Deep Reinforcement Learning. In particolare, il progetto prevede l’implementazione di un agente DDPG per il controllo di 6 segnali elettrici provenienti dal cervello che regolano i movimenti delle anche, delle ginocchia e delle caviglie. I criteri utilizzati per strutturare la reward function dalla quale l’agente apprende sono principalmente l’errore quadratico e la fluidità delle azioni generate. Come è possibile osservare dai risultati finali, è emerso che la strategia DRL permette di controllare in modo adeguato l’intero esoscheletro, rappresentando una valida alternativa al controllo classico con regolatori PID.