PORTALE DELLA DIDATTICA

Ricerca CERCA
  KEYWORD

Sviluppo, ottimizzazione e test di tecniche di Data Integration per il supporto del volo autonomo, in assenza di segnale GPS, per future missioni di esplorazione planetaria tramite droni

azienda Tesi esterna in azienda    


Parole chiave AEROSPACE, EMBEDDED SYSTEMS, MACHINE LEARNING, ARTIFICIAL NEURAL NETWORKS, OPERATING SYSTEMS

Riferimenti STEFANO DI CARLO, ALESSANDRO SAVINO

Gruppi di ricerca TESTGROUP - TESTGROUP

Tipo tesi AZIENDALE, RICERCA APPLICATA

Descrizione Obiettivo: Sviluppo, ottimizzazione e test di tecniche di Data Integration ad alte prestazioni per il supporto del volo autonomo, in assenza di segnale GPS, per future missioni di esplorazione planetaria tramite droni
Descrizione:
Il volo spaziale richiede livelli di automazione del volo tali da necessitare di algoritmi di supporto che, a fronte di tutti i dati reperibili attraverso i sensori disponibili, siano in grado di operare in totale assenza di dati GPS.
Durante la tesi, il candidato lavorerÓ a stretto contatto con l'azienda per studiare le caratteristiche del sistema (architettura, sensoristica disponibile, ecc) al fine di proporre e sviluppare tecniche di data integration che consentano di minimizzare le informazioni necessarie agli algoritmi di supporto al volo autonomo per la parte decisione. Tali tecniche potranno coprire naturalmente tecniche di Machine Learning, con la peculiaritÓ di elaborare nell'ottica dei sistemi embedded (inclusivi di eventuali acceleratori hardware).
Conoscenze acquisibili: Architetture dei Calcolatori, Machine Learning

Conoscenze richieste C/C++ programming, Concetti di Sistemi Operativi

Note In collaborazione con Thales Alenia Space Italia S.p.A.


Scadenza validita proposta 01/07/2021      PROPONI LA TUA CANDIDATURA




© Politecnico di Torino
Corso Duca degli Abruzzi, 24 - 10129 Torino, ITALY
Contatti