B5679 - OPTIMAL CONTROL AND REINFORCEMENT LEARNING M

Conoscenze e abilità da conseguire

Il corso si concentra su metodi teorici e numerici per la progettazione di traiettorie e leggi di controllo di sistemi dinamici per ottimizzare un indice di prestazione e soddisfare dei vincoli. I metodi presentati coinvolgono le aree del controllo ottimo, “reinforcement learning” e controllo predittivo con una forte enfasi su ottimizzazione numerica. Al termine del corso lo studente sarà in grado di: (i) impostare problemi di controllo ottimo e “reinforcement learning” e caratterizzarne le condizioni di ottimalità, (ii) sviluppare metodi numerici di ottimizzazione di controllo ottimo e “reinforcement learning” per calcolare traiettorie e leggi di controllo ottime e ammissibili, e (iii) progettare schemi di controllo predittivo basati su ottimizzazione per la regolazione di sistemi autonomi. Per creare un ponte tra teoria e applicazioni, lo studente applicherà le tecniche proposte all’ottimizzazione di traiettorie e alla regolazione di manovra di sistemi autonomi in diversi domini applicativi quali veicoli autonomi, robot intelligenti (e.g., robot aerei) e altri sistemi meccatronici.

Contenuti

Guardare pagina in Inglese

Testi/Bibliografia

Guardare pagina in Inglese

Metodi didattici

Guardare pagina in Inglese

Modalità di verifica e valutazione dell'apprendimento

Guardare pagina in Inglese

Strumenti a supporto della didattica

Guardare pagina in Inglese

Orario di ricevimento

Consulta il sito web di Giuseppe Notarstefano