Placeholder text

Go to cart

Apprendimento per rinforzo nella robotica e nei sistemi autonomi

By N. S. Usha

Apprendimento per rinforzo nella robotica e nei sistemi autonomi Computer Science

Apprendimento per rinforzo nella robotica e nei sistemi autonomi

0 - Default Title
Description
L'apprendimento per rinforzo (RL) è 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 sanità, 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 adattabilità del campione, aprendo la strada a controllori basati sull'apprendimento più versatili e pratici.
Product details
Binding:
Paperback
Number of Pages:
112
Release Date:
2025-10-07
Publication Date:
2025-10-07
Publisher:
Edizioni Sapienza
Languages:
Original: Italian
ISBN10:
6209108407
ISBN13:
9786209108402
GPSR Manufacturer Reference:
[email protected]
Weight:
185 g
Height:
150 cm
Width:
220 cm
Thickness:
7 cm
Buy on Amazon
Currently sold out