BeTrusty: Real-World Autonomous Agents through Trustworthy Reinforcement Learning

BeTrusty mira a sviluppare algoritmi di apprendimento affidabili in grado di operare in modo sicuro ed efficace in applicazioni del mondo reale. Il progetto affronta alcune delle principali limitazioni dell’apprendimento per rinforzo (reinforcement learning), sviluppando metodi per la cooperazione multi-agente basati su azioni ad alto livello e tecniche di verifica formale per fornire garanzie di sicurezza durante l’apprendimento e l’utilizzo degli agenti. I metodi sviluppati saranno integrati in un framework unitario per il reinforcement learning affidabile e validati in due domini applicativi: la robotica per magazzini autonomi e la gestione delle reti elettriche.