Uso di tecniche di Reinforcement Learning nel controllo del pendolo inverso
Contenuti
Obiettivi
L’obiettivo di questa tesi è la progettazione e la realizzazione di un sistema di controllo automatico che sfrutti algoritmi basati su tecniche di apprendimento per rinforzo in un ambiente fortemente non lineare.
Il problema preso in esame è il pendolo inverso incernierato su un carrello mobile su un’asse. Questo sistema rappresenta da cinquant’anni il benchmark più utilizzato per controlli di sistemi non lineari.
Struttura
La tesi si articola come segue:
- Nel primo capitolo vengono introdotti i concetti generali delle tecniche di Reinforcement Learning, il modello del sistema fisico preso in esame e il software impiegato per la simulazione.
- Nel secondo capitolo viene utilizzato un algoritmo modelfree (il Q-Learning) per realizzare un controllo di tipo BangBang.
- Nel terzo capitolo viene scelta una architettura più complessa, costituita da un sistema di due PID e numerosi automi CARLA, basati su Reinforcement Learning di tipo continuo.
- Per concludere, all’interno del quarto capitolo vengono evidenziati vantaggi e svantaggi relativi a ogni architettura proposta, andando a confrontare i risultati sperimentali delle due tecniche.
Simulazione con algoritmo QLearning
Simulazione con automi CARLA
Tesi Completa
Repository
La repository completa è disponibile su https://gitlab.com/Ablablab/pendoloinverso