Teknologi.Bagian dari ensiklopedia.onlineCari/
BerandaKomputasi & perangkat lunakCollaborative Research: RI: Bridging the gap between deep reinforcement learning and imperfect-information games: sound policy gradient methods, search, and testbeds
Proyek riset & pengembangan

Collaborative Research: RI: Bridging the gap between deep reinforcement learning and imperfect-information games: sound policy gradient methods, search, and testbeds

Ringkasan tujuan riset

Pembelajaran penguatan untuk permainan informasi tidak sempurna akan mengembangkan gradien kebijakan serta perencanaan yang mempertimbangkan keadaan tersembunyi tanpa enumerasi penuh.

Komputasi & perangkat lunak1 rujukanProfil diperbarui
Lihat rujukanBandingkan proyek
Linimasa NSF 2552046Periode tercatat 2026-08-01 sampai 2030-07-31.NSF 2552046MulaiAkhir tercatat202620312026-08-012030-07-31
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.

Algoritme gradien kebijakan akan diberi dasar teoritis untuk situasi ketika agen tidak mengetahui seluruh informasi pihak lain. Metode perencanaan saat keputusan dirancang menalar informasi tersembunyi tanpa mencantumkan setiap kemungkinan keadaan. Benchmark dan perangkat lunak terbuka akan membantu evaluasi yang andal. Sasaran riset adalah menyatukan skalabilitas pembelajaran penguatan modern dengan perlindungan teoritis bagi pengambilan keputusan strategis.

Baca uraian penerbit

Konteks pengembangan

Institusi penerima pada catatan
Massachusetts Institute of Technology
Program
Robust Intelligence
Periode pendanaan tercatat
2026-08-01 → 2030-07-31

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
  • Computing & AI Foundations

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.