Neues Deep Reinforcement Learning Modell verbessert semantische Erkundung von Agenten
Autonome Agenten, die sich in komplexen und unbekannten Umgebungen zurechtfinden sollen, benötigen mehr als nur Grundfunktionen wie Wahrnehmung und Bewegung. Sie brauchen höhere kognitive Fähigkeiten, um ihre Umgebung zu analysieren und gezielte Entscheidungen über Erkundungsstrategien zu treffen. Traditionelle Reinforcement‑Learning‑Ansätze stoßen dabei an ihre Grenzen, weil sie oft nicht effizient zwischen Exploration und semantischem Verständnis balancieren können.
