Il seguente lavoro di tesi rappresenta l'applicazione in ambito sperimentale ed ad alto numero di Reynolds della tecnica del Deep Reinforcement Learning per il controllo attivo della scia di un veicolo da trasporto commerciale. Si dimostra che l'agente sfruttando una rete neurale è in grado di individuare una strategia con cui ridurre la resistenza aerodinamica del modello mediante l'attuazione di getti posti lungo gli spigoli della base del modello. La metodologia è stata testata per diversi numeri di Reynolds e si è visto che, nonostante si raggiungano condizioni di forcing differenti, il forcing è tale da introdurre una simmetrizzazione della scia con conseguente riduzione del coefficiente di resistenza aerodinamica pari al ~ 9% per il numero di Reynolds più basso e ~ 8% per quello più alto.