CONTROLLO DI UN QUADRICOTTERO CON ALGORITMI DI REINFORCEMENT LEARNING

La robotica mobile rappresenta un campo di ricerca cruciale in cui il controllo ottimale dei robot per la navigazione autonoma è di fondamentale importanza. Le tecniche di controllo classiche spesso presentano limiti e prestazioni subottimali, spingendo alla ricerca di approcci innovativi. Recentemente, le tecniche di controllo basate sull'apprendimento hanno dimostrato la possibilità di sintetizzare controllori end-to-end in grado di gestire i sistemi direttamente attraverso i dati provenienti dai sensori. Questo lavoro di tesi si concentra sull'applicazione di tecniche di Reinforcement Learning per il controllo di un quadricottero autonomo. Il RL offre la possibilità di addestrare agenti intelligenti capaci di apprendere e migliorare le proprie prestazioni attraverso l'interazione con l'ambiente circostante. Sfruttando questa metodologia, l'obiettivo è stato quello di sviluppare un controllore ottimale per il quadricottero, che fosse in grado di regolare la sua posizione e ottimizzare gli aspetti chiave del contesto di lavoro, massimizzando la precisione e la stabilità. Durante lo sviluppo del lavoro di tesi, sono state adottate e valutate diverse tecniche di RL, analizzandone le prestazioni e i risultati ottenuti. Sono stati condotti numerosi test per valutare le performance degli algoritmi implementati, tenendo conto di importanti aspetti di controllo e considerando anche i vincoli e le limitazioni del sistema. I risultati ottenuti dimostrano come le tecniche di RL considerate in questo lavoro siano state in grado di raggiungere l'obiettivo di controllare in maniera ottimale la posizione del quadricottero. Gli algoritmi adottati hanno dimostrato di realizzare agenti in grado di apprendere e adattarsi in modo efficace alle diverse situazioni, ottimizzando le prestazioni. Questo lavoro di tesi contribuisce all'avanzamento della ricerca nella robotica mobile, dimostrando come l'applicazione delle tecniche di RL possa portare a risultati significativi nel controllo di sistemi complessi come i quadricotteri autonomi. Le metodologie adottate forniscono una base solida per ulteriori sviluppi aprendo la strada a futuri studi sull'ottimizzazione delle prestazioni e l'applicazione in scenari reali e complessi.