I miei progetti

Descrizione: Sviluppo di un robot Pepper terapista per bambini autistici, basato su LLM utilizzando i modelli linguistici LLaMa e Gemma tramite l'API Groq. Il sistema si basa sulla libreria NAOqi e sul software Choregraphe.

Descrizione: Implementazione di due algoritmi di apprendimento rinforzato denominati Behavioral Cloning e DAgger negli ambienti Reacher e Franka Kitchen.

Descrizione: Implementazione dell'algoritmo di apprendimento rinforzato PER DDQN (Prioritized Experience Replay Double Deep Q-Networks) per risolvere l'ambiente CarRacing-v2 gym.

Descrizione: Modellizzazione, pianificazione e controllo di un'auto da corsa autonoma utilizzando l'algoritmo Learning Model Predictive Control (LMPC) per migliorare il tempo sul giro.

Descrizione: Pianificazione e controllo rest-to-rest per un manipolatore robotico a singolo link flessibile con giunto elastico tramite metodo dinamico inverso.

Descrizione: Compito di traduzione automatica che utilizza modelli di linguaggio profondi (LLM) e un'architettura basata su Transformer per tradurre autori italiani antichi come Dante Alighieri e Ludovico Ariosto in italiano moderno.

Descrizione: Task di classificazione culturale utilizzando metodi basati su Transformer e Graph degli elementi Wikidata.

Descrizione: Sviluppo di una rete neurale profonda per classificare le immagini radiografiche del torace come polmonite o normali, architettura basata su una struttura convoluzionale (DenseNet-169), un modulo per la selezione dei canali più rilevanti chiamato “Fuzzy Channel Selective Spatial Attention Module” e un classificatore KAN (Kolmogorov-Arnold Network).

Descrizione: Sviluppo di una rete neurale profonda per il riconoscimento delle emozioni dall'audio: la rete è stata ispirata da una rete esistente chiamata TIM-net (Temporal-aware bI-direction Multi-scale network) in cui le convoluzioni sono state sostituite con convoluzioni continue.

Descrizione: Progettazione e sviluppo di un robot mobile chiamato LIDARino, utilizzando Arduino per il firmware di basso livello e Raspberry + ROS per la localizzazione di alto livello.