Reinforcement Learning zeigt: Feedback bei Geschwindigkeitskontrolle nicht entscheidend
In einer neuartigen Studie wurde ein genereller Reinforcement‑Learning‑Agent direkt an einen rotierenden Zylinder in einem Tischwasserkanal angeschlossen, um den Luft‑ oder Wasserwiderstand zu minimieren oder zu maximieren. Das Experiment nutzt ein physikalisches System mit chaotischem Strömungsverhalten, das schwer zu modellieren oder zu simulieren ist, und bietet damit eine realistische Testumgebung für die Erlernung von Fertigkeiten.
