Apprendimento per Rinforzo con Codici Sparsi Sovracompleti per il Controllo di Immagini Naturali

Un nuovo preprint su arXiv (2412.08893) introduce un framework di apprendimento per rinforzo per il controllo ottimale utilizzando immagini naturali. Gli autori formalizzano il problema e derivano le condizioni per la sufficienza delle immagini nell'implementazione delle politiche. Dimostrano che codificare le immagini come codici sparsi sovracompleti consente di risolvere in modo efficiente compiti di controllo di ordini di grandezza superiori rispetto a quelli che utilizzano codici completi. Viene presentato un nuovo benchmark che scala a molti stati e orizzonti temporali lunghi.