Reinforcement Learning (dt.: bestärkendes bzw. verstärkendes Lernen) – kurz: RL – umfasst eine Sammlung verschiedener Methoden des maschinellen Lernens, bei dem ein künstliches oder computerbasiertes System eigenständig eine Strategie erlernt, um darin enthaltene Belohnungen zu potenzieren. Diese Machine-Learning-Methode war Gegenstand der internationalen „Conference on Reinforcement Learning“ (RL) Mitte September in Dresden.

Die zweitägige Konferenz wurde von mehr als 75 Teilnehmenden besucht und brachte führende Wissenschaftler:innen und Forschende aus dem akademischen Bereich und der Industrie auf dem Gebiet des Reinforcement Learning zusammen. Sie diente als Plattform zum Austausch wissenschaftlicher Expertise und Erfahrungen sowie zu aktuellen Trends im Bereich des RL – auch mit Blick auf die Verkehrsforschung. Ergänzend wurden potenzielle praktische Hürden und Probleme beim Forschen und bei der Suche von Problemlösungen diskutiert.

Insgesamt 20 Vortragende präsentierten ihre Erfahrungen und aktuellen Innovationen zu verschiedenen Themen des Reinforcement Learning. Hauptredner der Konferenz waren Matthieu Geist (Université de Lorraine/Frankreich), Jan Peters (Technische Universität Darmstadt), Marcello Restelli (Politecnico di Milano/ Italien), Frederik Schulte (Delft University of Technology/Niederlande), Kaushik Subramanian (Sony AI/Schweiz+Japan) und Richard Sutton (University of Alberta/USA).

Impressionen von der Conference on Reinforcement Learning 2022

Vortrag von Prof. Jan Peters, Technische Universität Darmstadt

© Niklas Paulig

1 von 2

Hide text

Vortrag von Prof. Richard Sutton, University of Alberta/USA.

© Niklas Paulig

2 von 2

Hide text

Am Abend des ersten Tages genossen die Teilnehmenden eine Stadtführung durch Dresden, gefolgt von einem traditionellen sächsischen Abendessen.

Die Konferenz wurde von der Professur für Ökonometrie und Statistik, insbesondere im Verkehrsbereich im Auftrag der Fakultät Verkehrswissenschaften "Friedrich List" der TU Dresden ausgerichtet.