KI News: Kurz und klar.

Die Optimierung von Robotik-Politiken mit on‑policy Reinforcement Learning stößt häufig an die Grenzen verrauschter, schwacher Gradienten. Forscher haben daher Evolution Strategies (ES) als Alternative zum klassischen Policy‑Gradient-Ansatz neu beleuchtet und die Exploration auf beschränkte, antithetische Dreiecksverteilungen fokussiert – ein Ansatz, der sich besonders für die Feinabstimmung von bereits gut funktionierenden Politiken eignet.

Forscher haben ein neues Modell namens Factored Interactive Object-Centric World Model (FIOC‑WM) vorgestellt, das die Interaktionen zwischen Objekten in Reinforcement‑Learning‑Agenten explizit erfasst. Durch die Kombination von objektzentrierten latenten Darstellungen und einer klar strukturierten Interaktionskarte kann das Modell die Dynamik einer Umgebung besser vorhersagen.