• autonomous driving
• guida autonoma
• imitation learning
• neural network
• rete neurale

L’intelligenza artificiale si è ritagliata un posto importante nella vita quotidiana dell'uomo, basti pensare agli assistenti vocali o alle funzioni di guida autonoma introdotte nelle automobili. Ormai da anni, il machine learning viene applicato in molteplici settori quali la medicina, il mercato azionario, la robotica e la ricerca scientifica. Il mio progetto di tesi verte sulla realizzazione di una rete neurale con l'obiettivo di adoperarla nella guida di un’auto da corsa a guida autonoma. Il procedimento prevede una prima fase di training della rete e, a tale scopo, si è ricorsi ad un algoritmo di imitation learning, chiamato DAgger. L'algoritmo prevede che la rete impari una determinata azione, in questo caso la pianificazione della traiettoria, osservando le dimostrazioni di un “esperto”. Al termine del perfezionamento della rete neurale e del suo addestramento, la rete è in grado di emulare il comportamento dell'esperto e può essere adoperata come pianificatore della traiettoria o come supporto al planner per velocizzare la procedura di pianificazione.
L'approccio ha un certo margine di miglioramento nell'affidabilità e nella precisione delle predizioni e punta a rendere, in futuro, la rete in grado di adattarsi a qualsiasi tracciato o situazione, come l'evitamento ostacoli. Le prospettive future riguardano la traslazione dal mondo delle corse all'ambiente cittadino, per realizzare veicoli autonomi in grado di circolare per le strade in totale sicurezza.


The artificial intelligence plays a crucial role in human everyday life, just think for example to virtual assistants or to guide assistance. For many years now, machine learning has been employed in several sectors, including medicine, financial exchange, robotics, and scientific research. There are many applications of neural network to autonomous vehicles aimed to ensure safer travels by car. Some examples are trajectory planning, pedestrian recognition, and detection of the psychophysical state of the driver.
In particular, my thesis project deals with the implementation of a neural network and the main goal is using it to drive an autonomous race car. For the training of the neural network, it has been used an imitation learning algorithm, named DAgger. The network learns from an expert how to do a specific action, that is trajectory planning in this case.
The performance reliability and precision of the neural network can be surely improved and in future it could be used to create one able to adapt to every track or situation that occurred. The prospect is to bring this technology developed for car racing into a city contest, that means to create safe autonomous cars for everybody.