KI News: Kurz und klar.

BERTO ist ein neu entwickeltes, BERT‑basiertes System zur Vorhersage von Verkehrsströmen und zur Energieoptimierung in Mobilfunknetzen. Durch den Einsatz von Transformer‑Architekturen erreicht es eine hohe Vorhersagegenauigkeit und liefert gleichzeitig präzise Schätzungen für die Netzbelastung.

Policy‑Gradient‑Algorithmen gehören zu den zentralen Techniken des modernen Reinforcement Learning. Sie optimieren die Entscheidungsstrategie direkt, ohne auf eine Modellvorhersage angewiesen zu sein, und ermöglichen dadurch eine flexible Anpassung an komplexe Aufgaben.

In einer aktuellen Studie auf arXiv wird ein innovativer Ansatz vorgestellt, der das Problem der energieoptimierten Kurzstreckenplanung für Elektrofahrzeuge (EVs) in großen Straßennetzen angeht. Dabei spielt die Rückgewinnung von Energie beim Abfahren von Hängen eine entscheidende Rolle, da sie negative Energiekosten erzeugt und die klassische Annahme eines festen Startwerts für die Batteriekapazität infrage stellt.

In einer wegweisenden Studie aus dem arXiv-Repository wird gezeigt, wie Multi‑Agent Reinforcement Learning (MARL) die Ressourcenoptimierung in heterogenen Satellitenclustern revolutioniert. Dabei arbeiten zwei optische und ein Synthetic Aperture Radar (SAR) Satellit gemeinsam im niedrigen Erdorbit, um Erdbeobachtungsziele zu erfassen und gleichzeitig ihre begrenzten Energie‑ und Speicherkapazitäten effizient zu nutzen.