Reinforcement Learning Middleware Solutions for Android-oriented Distributed Deployments

Oggigiorno i dispositivi mobili sono l’artefatto tecnologico a maggior contatto con le persone. Pieni di sensori in grado di percepire l’ambiente circostante e dalla notevole potenza computazionale, risultano essere l’ambiente perfetto per creare applicazioni in grado di predire le azioni future e di evolvere in base alle continue scelte dell’utilizzatore. Negli ultimi anni si è fatto sempre più prorompente, nell’ambito dell’intelligenza artificiale, il Reinforcement Learning. Molte conoscenze matematiche e di programmazione sono necessarie per sfruttare al meglio questa famiglia di algoritmi all’interno delle proprie applicazioni. In questa tesi presentiamo DroidForce, un middleware per lo sfruttamento semplificato nelle proprie applicazioni di agenti di Reinforcement Learning. DroidForce espone una serie di API intuitive per la creazione e l’allenamento di questi agenti. Questo permetterà allo sviluppatore di potersi concentrare sulla logica applicativa, sfruttando la potenza del Reinforcement Learning come una black box aggiungendo poche linee di codice. Implementeremo DroidForce come una libreria Android e attraverso una applicazione demo mostreremo che rappresenta una soluzione efficiente ed efficace per integrare il Reinforcement Learning all’interno dei dispositivi mobili.