Megerősítéses tanuláson alapuló ágensek teljesítményének javítása tapasztalat alapú kontextus bevezetésével = Improving the performance of reinforcement learning agents using expeperience-based context

Farkas, Péter and Szőke, László and Aradi, Szilárd and Gyurkó, Zoltán (2025) Megerősítéses tanuláson alapuló ágensek teljesítményének javítása tapasztalat alapú kontextus bevezetésével = Improving the performance of reinforcement learning agents using expeperience-based context. GÉP, 76 (2). pp. 10-15. ISSN 0016-8572

Preview

Text gep2025-2-2.pdf - Published Version Download (1MB) | Preview

Abstract

Ezen publikációban egy tapasztalat-alapú onlineadaptációs keretrendszert mutatunk be megerősítésestanuláson alapuló ágensek számára, mely lehetővé teszi,hogy a múltbéli állapot-akció átmenetek felhasználásávalképesek legyenek alkalmazkodni változókörülményekhez, nehezen hozzáférhető információkfelhasználása nélkül. Megoldásunk működését egy szélesdinamikai tartományt lefedő robotmodell irányításiproblémáján keresztül értékeljük ki. | This paper proposes an experience-based online adaptation framework for reinforcement learning agents, enabling them to adjust to changing conditions by leveraging past state-action transitions, improving their performance in dynamic environments without relying on hard-to-obtain information. The performance of our solution is evaluated through the control problem of a robot model covering a wide dynamic range.

Actions (login required)

Edit Item