LLM-gestützte Evolution liefert Steuerungsprogramme autonome Systeme
Die Entwicklung effektiver Steuerungsstrategien für autonome Systeme bleibt eine zentrale Herausforderung. Traditionell werden dafür entweder Reinforcement‑Learning‑Algorithmen eingesetzt, die jedoch hohe Datenanforderungen, Schwierigkeiten bei der Belohnungsformulierung und schwer interpretierbare neuronale Netzwerke mit sich bringen. Alternativ erfordert die manuelle Konstruktion von Steuerungen umfangreiches Fachwissen und skaliert kaum über verschiedene Aufgaben hinweg.
