MARL – Multi Agent Reinforcement Learning
 |
 |
@courseproject{marltechsurvey-sd2122,
abstract = {Al giorno d’oggi stiamo assistendo ad un rapido sviluppo nei campi del Pervasive Computing e dell’Intelligenza Artificiale. Quotidianamente siamo circondati da oggetti e/o sistemi intelligenti, sviluppati per aiutarci nei compiti da svolgere. Questo pu\`{o} avvenire, ad esempio, nella nostra abitazione mediante infissi, o elettrodomestici smart oppure sul posto di lavoro dove possono essere presenti sistemi robotici applicati alle catene di montaggio o al comparto logistica. Il campo del Multi Agent Reinforcement Learning cerca di unire le due discipline sopra citate, al fine di rendere sempre pi\`{u} autonomi i sistemi che ci circondano. Questo progetto ha lo scopo di effettuare una panoramica del paradigma MARL, producendo una sezione teorica e una sezione pratica dove vengono testate due delle tecnologie pi\`{u} promettenti e stabili in questo ambito: PettingZoo e Mava. A tal fine, sono stati condotti diversi esperimenti che riproducono alcuni dei pi\`{u} classici problemi nel campo MARL e ne sono stati riportati i risultati ottenuti, evidenziando le potenzialit\`{a} e i limiti di questi framework.},
apice = {MarlTechSurvey},
author = {Domini, Davide and Veronika Folin},
howpublished = {Distributed Systems, A.Y. 2021/2022},
month = nov,
sort = {technology},
supervisor = {Ciatto, Giovanni},
title = {MARL -- Multi Agent Reinforcement Learning},
type = {Technology Project},
url = {https://gitlab.com/pika-lab/courses/ds/projects/ds-project-domini-folin-ay2122},
year = 2022
}
abstract = {Al giorno d’oggi stiamo assistendo ad un rapido sviluppo nei campi del Pervasive Computing e dell’Intelligenza Artificiale. Quotidianamente siamo circondati da oggetti e/o sistemi intelligenti, sviluppati per aiutarci nei compiti da svolgere. Questo pu\`{o} avvenire, ad esempio, nella nostra abitazione mediante infissi, o elettrodomestici smart oppure sul posto di lavoro dove possono essere presenti sistemi robotici applicati alle catene di montaggio o al comparto logistica. Il campo del Multi Agent Reinforcement Learning cerca di unire le due discipline sopra citate, al fine di rendere sempre pi\`{u} autonomi i sistemi che ci circondano. Questo progetto ha lo scopo di effettuare una panoramica del paradigma MARL, producendo una sezione teorica e una sezione pratica dove vengono testate due delle tecnologie pi\`{u} promettenti e stabili in questo ambito: PettingZoo e Mava. A tal fine, sono stati condotti diversi esperimenti che riproducono alcuni dei pi\`{u} classici problemi nel campo MARL e ne sono stati riportati i risultati ottenuti, evidenziando le potenzialit\`{a} e i limiti di questi framework.},
apice = {MarlTechSurvey},
author = {Domini, Davide and Veronika Folin},
howpublished = {Distributed Systems, A.Y. 2021/2022},
month = nov,
sort = {technology},
supervisor = {Ciatto, Giovanni},
title = {MARL -- Multi Agent Reinforcement Learning},
type = {Technology Project},
url = {https://gitlab.com/pika-lab/courses/ds/projects/ds-project-domini-folin-ay2122},
year = 2022
}