Aritra Mitra

この研究は、遅延が強化学習における確率的近似にどのように影響するかを調べている。

この研究では、線形関数近似を使ったTD学習の収束証明を簡素化している。

通信の遅延があっても、エージェントが一緒に学ぶことでどうやって早く成長するかを調べてるんだ。

エージェントが戦略を共有して、多様な環境でパフォーマンスを向上させる新しいアプローチ。

現実のアプリケーションで壊れたフィードバックの中でQ学習のパフォーマンスを向上させる。