Algoritmi di machine learning per la navigazione cooperativa di droni

In questa tesi vengono analizzati argomenti legati alla capacità di un drone di poter navigare in maniera autonoma e rilevare un target in un ambiente sconosciuto mentre se ne stima una mappa di occupazione. Queste operazioni devono essere eseguite nel minor tempo possibile e in modo da poter minimizzare l’errore nella detection del target e nella ricostruzione della mappa. In seguito, l’analisi è stata estesa alla presenza di più droni e ad uno scenario in cui sono presenti più target. Si è quindi studiato un algoritmo per permettere la mappatura di ambienti interni e l’identificazione di dispositivi di interesse. In particolare, si è utilizzato un approccio basato sull’apprendimento per rinforzo (reinforcement learning), specificatamente un algoritmo di Q-learning. Questa tesi ha l’obiettivo, inizialmente, di descrivere i droni e la sensoristica a bordo necessaria per le operazioni di detection e mapping. Successivamente il problema di navigazione è stato formulato seguendo la filosofia dei processi di decisione Markoviana. Una possibile soluzione a questo tipo di problema è utilizzare algoritmi di apprendimento rinforzato (reinforcement learning) che sono stati descritti nel dettaglio e applicati al caso in esame. Tramite simulazioni, si è verificata la capacità dell’algoritmo di risolvere il problema in esame, inoltre, si è potuto prendere visione dell’accuratezza nella stima dell’ambiente circostante e della capacità nell’identificazione delle traiettorie migliori dal punto di vista della detection dei target.