Personalisierte Beobachtungsnormalisierung für Federated Reinforcement Learning in Simulationsumgebungen mit Heterogenität

arXiv:2605.27385v1 Ankündigungstyp: neu Abstract: Federated Reinforcement Learning (FedRL) ermöglicht mehreren Agenten, eine globale Richtlinie gemeinsam zu trainieren, ohne Rohdaten zu teilen, was ideal für datenschutzsensible Anwendungen ist. FedRL steht jedoch vor Herausforderungen in heterogenen Umgebungen