METODI ED APPLICAZIONI DEL DEEP REINFORCEMENT LEARNING AGLI UNMANNED COMBAT AERIAL VEHICLES

L’emergere di sviluppate architetture di Comando e Controllo nell’ambito delle Forze Armate di tutto il mondo, in correlazione alla rapida e continua evoluzione dell’ambiente operativo, richiede l’utilizzo di tecnologie robuste integrate in una piattaforma affidabile. L’Intelligenza Artificiale, insieme alle sue due branche principali, il Machine Learning ed il Deep Learning, sta recentemente mostrando risultati eccezionali per risolvere un'ampia varietà di attività robotiche nelle aree di percezione, pianificazione, localizzazione e controllo. Le sue eccellenti capacità di apprendimento dai complessi dati acquisiti in ambienti reali la rendono estremamente adatta a molti tipi di applicazioni autonome, soprattutto in ambito militare. Una di queste è sicuramente il miglioramento delle capacità tattiche dei velivoli a pilotaggio remoto da combattimento (UCAV) tramite lo sviluppo e l’integrazione di tecnologie avanzate. Tuttavia, al fine di ottimizzare ulteriormente le prestazioni di questi sistemi, aumentandone il livello di autonomia, soprattutto nel complesso e variabile ambiente operativo attuale, è stata dimostrata l’efficacia di alcuni algoritmi di Deep Reinforcement Learning, una sottobranca dell’Intelligenza Artificiale caratterizzata dalla combinazione tra il Deep Learning ed il Reinforcement Learning.