Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakCAREER: Scaling Deep Reinforcement Learning for Societal-Scale Cyber-Physical Systems
Proyek riset & pengembangan

CAREER: Scaling Deep Reinforcement Learning for Societal-Scale Cyber-Physical Systems

Ringkasan tujuan riset

Deep reinforcement learning hierarkis diteliti untuk infrastruktur cyberphysical berskala besar, memecah sistem berdasarkan kopling dinamis dan mengoordinasikan kebijakan lokal dengan kebutuhan komunikasi terbatas.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2542543Periode tercatat 2026-07-01 sampai 2031-06-30.NSF 2542543MulaiAkhir tercatat202620322026-07-012031-06-30
Linimasa dan catatan proyek

Tanggal dan TRL menurut catatan penerbit. Akhir periode dan target bukan bukti hasil riset.

Teknologi · CC BY 4.0 · Sumber data

Apa tujuan dan pendekatan risetnya?

Profil ini merangkum ruang lingkup proyek yang dipublikasikan National Science Foundation (NSF). Sumber diakses . Uraian pendekatan dan manfaat menyatakan tujuan pengembangan, kecuali sumber secara khusus melaporkan hasil.

Feudal reinforcement learning mendekomposisi sistem menjadi subsistem, dengan koordinator memberikan sasaran abstrak yang dapat dicapai secara fisik. Abstraksi kausal berpandu fisika memadatkan keadaan dan memicu pesan hanya saat perlu. Curriculum adversarial melatih kebijakan berbasis belief state agar tetap berfungsi ketika data hilang atau jaringan terganggu. Evaluasi menggunakan simulasi berfidelitas tinggi dan dataset transportasi serta tenaga listrik untuk menilai skalabilitas kendali.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
Pennsylvania State Univ University Park
Program
CPS-Cyber-Physical Systems
Periode pendanaan tercatat
2026-07-01 → 2031-06-30

Proyek kolaboratif beberapa institusi diwakili oleh satu catatan penghargaan. Institusi di atas adalah penerima pada catatan tersebut.

Klasifikasi NSF

  • Directorate for Computer and Information Science and Engineering
  • Cyber, Physical, & Intelligent Systems

Label penerbit dipertahankan sebagai konteks. Bidang katalog merupakan pengelompokan editorial.

Apa yang diketahui tentang statusnya?

Status pendanaan menurut NSFAktif (catatan pendanaan NSF)

Catatan NSF tidak melaporkan tingkat kesiapan teknologi (TRL). Status pendanaan aktif atau berakhir bukan bukti keberhasilan riset.

Batas informasi

Profil merangkum tujuan dan pendekatan dalam abstrak pendanaan NSF. Status pendanaan tidak membuktikan keberhasilan riset, kesiapan teknologi, atau ketersediaan produk. Hasil dan performa belum diverifikasi secara independen; tinjauan ahli belum dilakukan.

Dasar profil

Metodologi dan batas pemeriksaan. Ringkasan berbahasa Indonesia disusun sebagai parafrasa editorial dengan pemeriksaan sumber primer oleh agen AI. Identitas, periode, serta status berasal dari catatan penerbit. Tinjauan ahli dan pengujian kinerja independen belum dilakukan; rujukan tidak menyiratkan dukungan atau sertifikasi NSF.