Tesi - Addestramento tramite tecniche di Reinforcement Learning di entità virtuali generate al computer all'interno di un simulatore di volo (Città Metropolitana di Torino)

Tesi - Addestramento tramite tecniche di Reinforcement Learning di entità virtuali generate al computer all'interno di un simulatore di volo (Città Metropolitana di Torino)

13 ago
|
Leonardo
|
Città Metropolitana di Torino

13 ago

Leonardo

Città Metropolitana di Torino

Tutor esperte/i nel proprio settore ti seguiranno, consentendoti di approfondire la parte teorica e di sviluppare la tua tesi, preparandoti al meglio per le sfide professionali future.
Le tematiche proposte per le tesi da svolgere in Leonardo abbracciano un vasto spettro di ambiti tecnologici, ricerca e innovazione: dall’Intelligenza Artificiale all’High-Performance Computing, dalla Cyber Sicurezza all’Ingegneria dei materiali, passando per i settori aerospaziali. Potrai esplorare le aree più all’avanguardia del tuo settore di studi, con creatività e spirito di innovazione.
Per supportarti nel corso di questa esperienza, della durata massima di sei mesi, è previsto inoltre un rimborso spese.
Stiamo ricercando n. 1 giovane studente o studentessa da inserire in stage con l’obiettivo di sviluppare la propria tesi di laurea sulla tematica riguardante “L’ Addestramento tramite tecniche di Reinforcement Learning di entità virtuali generate al computer all'interno di un simulatore di volo “presso il sito di Torino.
Scopo di questa tesi è lo studio, complementato dallo sviluppo,



di un software di controllo di un velivolo sintetico basato su un modello di intelligenza artificiale addestrato con tecniche di Reinforcement Learning. Il controllo di volo è usualmente dominato dalle logiche PID (Proporzionale-Integrale-Derivativo), sebbene efficaci, questi sistemi presentano limiti che il Reinforcement Learning (RL) punta a superare.
Un modello RL ha la capacità di apprendere direttamente dall’interazione con l’contesto e di costruire una rappresentazione implicita di queste dinamiche, riuscendo a catturare comportamenti complessi. A differenza dei parametri fissi di un PID, un agente RL può apprendere una politica di controllo capace di gestire una maggiore varietà di condizioni operative. Grazie all’addestramento in ambienti simulati che includono scenari variabili, l’agente può sviluppare tecniche di controllo più robuste migliorando la stabilità e le prestazioni del sistema.

📌 Tesi - Addestramento tramite tecniche di Reinforcement Learning di entità virtuali generate al computer all'interno di un simulatore di volo (Città Metropolitana di Torino)
🏢 Leonardo
📍 Città Metropolitana di Torino

Candidati a questo annuncio

Mostra le tue capacità professionali all'azienda, compila il form e lascia un tocco personale nella lettera di presentazione, aiuterà il recruiter nella scelta del candidato.

Iscriviti a questa job alert:

Ricevi via email le nuove offerte di lavoro per: tesi - addestramento tramite tecniche di reinforcement learning di entità virtuali generate al computer all'interno di un simulatore di volo (città metropolitana di torino) / città metropolitana di torino

Iscriviti a questa job alert:

Ricevi via email le nuove offerte di lavoro per: tesi - addestramento tramite tecniche di reinforcement learning di entità virtuali generate al computer all'interno di un simulatore di volo (città metropolitana di torino) / città metropolitana di torino