Valutazione Controllata dell'IRL nella Navigazione Artica

Una ricerca recente indaga l'applicazione dell'apprendimento per rinforzo inverso (IRL) per migliorare la navigazione assistita dall'intelligenza artificiale nella navigazione artica. Lo studio ha analizzato i dati di 202 navi in nove stagioni di navigazione, coprendo 3.186 viaggi. I ricercatori hanno testato tre modelli distinti per l'apprendimento della ricompensa: un modello di ricompensa condivisa lineare, un modello di ricompensa condivisa non lineare e un modello a contesto latente derivato dal quadro non lineare. I risultati hanno rivelato che il modello non lineare ha migliorato l'accuratezza predittiva del 50,9% rispetto alla sua controparte lineare. Nel frattempo, il modello a contesto latente non ha offerto ulteriori vantaggi, sottolineando l'importanza di sviluppare quadri di ricompensa affidabili per navigare in ambienti difficili come l'Artico.