Aritra Mitra

Diese Studie untersucht, wie Verzögerungen die stochastische Annäherung im Reinforcement Learning beeinflussen.

Diese Forschung vereinfacht den Beweis der Konvergenz für TD-Lernen mit linearer Funktionsapproximation.

Untersuchen, wie Agenten trotz Kommunikationsverzögerungen schneller zusammen lernen.

Ein neuer Ansatz für Agenten, um Strategien auszutauschen und die Leistung in verschiedenen Umgebungen zu verbessern.

Verbesserung der Q-Learning-Leistung bei fehlerhaften Rückmeldungen in realen Anwendungen.