Horizon entropy from scratch

Scopo di questo lavoro di tesi è lo studio di alcune proprietà delle teorie generali della gravità in relazione alla meccanica e la termodinamica dei buchi neri. In particolare, la trattazione che seguirà ha lo scopo di fornire un percorso autoconsistente che conduca alla nozione di entropia di un orizzonte descritta in termini delle carica di Noether associata all'invarianza del funzionale d'azione, che descrive la teoria gravitazionale in considerazione, per trasformazioni di coordinate generali. Si presterà particolare attenzione ad alcune proprietà geometriche della Lagrangiana, proprietà che sono indipendenti dalla particolare forma della teoria che si sta prendendo in considerazione; trattasi cioè non di proprietà dinamiche, legate cioè alla forma delle equazioni del moto del campo gravitazionale, ma piuttosto caratteristiche proprie di qualunque varietà rappresentante uno spaziotempo curvo. Queste caratteristiche fanno sì che ogni teoria generale della gravità possieda alcune grandezze definite localmente sullo spaziotempo, in particolare una corrente di Noether e la carica ad essa associata. La forma esplicita della corrente e della carica dipende invece dalla Lagrangiana che si sceglie di adottare per descrivere il campo gravitazionale. Il lavoro di tesi sarà orientato prima a descrivere come questa corrente di Noether emerge in qualunque teoria della gravità invariante per trasformazioni generali e come essa viene esplicitata nel caso di Lagrangiane particolari, per poi identificare la carica ad essa associata come una grandezza connessa all' entropia di un orizzonte in qualunque teoria generale della gravità.

Studio e Sperimentazione di Algoritmi di Reinforcement Learning Applicati a Video Game

Nella prima parte del mio lavoro viene presentato uno studio di una prima soluzione "from scratch" sviluppata da Andrew Karpathy. Seguono due miei miglioramenti: il primo modificando direttamente il codice della precedente soluzione e introducendo, come obbiettivo aggiuntivo per la rete nelle prime fasi di gioco, l'intercettazione della pallina da parte della racchetta, migliorando l'addestramento iniziale; il secondo é una mia personale implementazione utilizzando algoritmi più complessi, che sono allo stato dell'arte su giochi dell'Atari, e che portano un addestramento molto più veloce della rete.

HBIM methodology for structural preservation of historical buildings: the semantic modeling of the San Felice sul Panaro fortress

Building Information Modelling is changing the design and construction field ever since it entered the market. It took just some time to show its capabilities, it takes some time to be mastered before it could be used expressing all its best features. Since it was conceived to be adopted from the earliest stage of design to get the maximum from the decisional project, it still struggles to adapt to existing buildings. In fact, there is a branch of this methodology that is dedicated to what has been already made that is called Historic BIM or HBIM. This study aims to make clear what are BIM and HBIM, both from a theoretical point of view and in practice, applying from scratch the state of the art to a case study. It had been chosen the fortress of San Felice sul Panaro, a marvellous building with a thousand years of history in its bricks, that suffered violent earthquakes, but it is still standing. By means of this example, it will be shown which are the limits that could be encountered when applying BIM methodology to existing heritage, moreover will be pointed out all the new features that a simple 2D design could not achieve.

Robotic Manipulation of DLOs for Wiring Harness Assembly: a Machine Learning Approach

In recent times, a significant research effort has been focused on how deformable linear objects (DLOs) can be manipulated for real world applications such as assembly of wiring harnesses for the automotive and aerospace sector. This represents an open topic because of the difficulties in modelling accurately the behaviour of these objects and simulate a task involving their manipulation, considering a variety of different scenarios. These problems have led to the development of data-driven techniques in which machine learning techniques are exploited to obtain reliable solutions. However, this approach makes the solution difficult to be extended, since the learning must be replicated almost from scratch as the scenario changes. It follows that some model-based methodology must be introduced to generalize the results and reduce the training effort accordingly. The objective of this thesis is to develop a solution for the DLOs manipulation to assemble a wiring harness for the automotive sector based on adaptation of a base trajectory set by means of reinforcement learning methods. The idea is to create a trajectory planning software capable of solving the proposed task, reducing where possible the learning time, which is done in real time, but at the same time presenting suitable performance and reliability. The solution has been implemented on a collaborative 7-DOFs Panda robot at the Laboratory of Automation and Robotics of the University of Bologna. Experimental results are reported showing how the robot is capable of optimizing the manipulation of the DLOs gaining experience along the task repetition, but showing at the same time a high success rate from the very beginning of the learning phase.