INTEGRAZIONE DI UN MODELLO PREDITTIVO DI QOS BASATO SU RESOURCE ALLOCATION IN UN FRAMEWORK DI DEEP REINFORCEMENT LEARNING PER LA GUIDA TELEOPERATA

La guida teleoperata (ToD) richiede connessioni molto affidabili e a bassa latenza per garantire la sicurezza dei veicoli in vari scenari, soprattutto in quelli urbani molto complessi. I tradizionali modelli di navigazione spesso mancano di consapevolezza riguardo la reale qualità della rete. Questo lavoro di tesi si concentra sull'integrazione di un modello predittivo di Quality of Service (QoS) basato su Resource Allocation all'interno di un framework di Deep Reinforcement Learning (DRL) basato su un ecosistema di simulazione 6g Network Digitale Twin. Il contributo principale consiste nell'estensione dello spazio di stato dell'agente e nella rimodulazione della Multi - Objective Reward Function al fine di includere le predizioni di copertura di rete nel processo decisionale e quindi permettendo al veicolo di identificare traiettorie bilanciate garantendo anche la stabilità del segnale.