Neue Methode: Realizable Abstractions ermöglichen nahezu optimale Hierarchische RL
In der hierarchischen Verstärkungslern-Forschung (HRL) geht es darum, große Markov-Entscheidungsprozesse (MDPs) effizienter zu lösen, indem man sie in kleinere Teilaufgaben zerlegt und deren Lösungen kombiniert. Bisherige Ansätze zur MDP‑Abstraktion haben jedoch oft begrenzte Ausdruckskraft oder fehlende formale Effizienzgarantien.
