Apprendimento per rinforzo nella robotica e nei sistemi autonomi [Italian]

By Dr N S Usha, Dr G M Karpuradheepan, Dr N Srinivasan

L'apprendimento per rinforzo (RL) emerso come approccio trasformativo nel campo dei sistemi autonomi, consentendo un processo decisionale e di controllo intelligente nella robotica, nelle auto a guida autonoma, nella sanit , nell'automazione industriale e nelle infrastrutture intelligenti. Nel corso di questa trattazione, abbiamo esplorato i concetti fondamentali, le metodologie, le sfide e le applicazioni reali della RL nei sistemi autonomi, evidenziandone sia il potenziale che i limiti. L'applicazione della RL nella robotica e nei sistemi autonomi si basa sui processi decisionali di Markov (MDP), che forniscono un quadro strutturato per il processodecisionale sequenziale . Lo sviluppo di metodi basati sui valori, come le Deep Q Networks (DQN), e di approcci basati sulle politiche, come i metodi Policy Gradient e Actor Critic, ha permesso a robot e agenti autonomi di apprendere comportamenti complessi attraverso prove ed errori. Inoltre, le tecniche RL model free e model based offrono diversi compromessi in termini di efficienza e adattabilit del campione, aprendo la strada a controllori basati sull'apprendimento pi versatili e pratici.

• Format: Paperback
• Language: Italian
• ISBN: 6209108407
• ISBN13: 9786209108402
• Release Date: October 2025
• Publisher: Edizioni Sapienza
• Length: 112 Pages
• Weight: 0.35 lbs.
• Dimensions: 0.3" x 6.0" x 9.0"