Aram Simonian ve své práci rozšířil řídicí systém pro magnetickou manipulaci Magman tak, aby se tento regulátor sám přizpůsoboval chování platformy. V práci se Aram pod vedením Jiří Zemánka věnoval několika samoučícím algoritmům z oblasti reinforcement learning (RL) konkrétně: integral reinforcement learning (IRL), least-squares-policy-iteration (LSPI) a energy-balancing-actor-critic control (EBAC). Všechny tyto algoritmy nejen teoreticky rozebral, ale i otestoval na simulacích a rovněž na reálném systému. Řešil nejen složité teoretické problémy, ale také praktické aspekty související s implementací řídicího systému na PC a speciální platformě Speedgoat. Při své práci byl v úzkém kontaktu s odborníky z TU Delft a spolupracovníky prof. Lewise z University of Texas in Arlington. Práce získala cenu děkana.
