MARL – Multi Agent Reinforcement Learning


MARL – Multi Agent Reinforcement Learning

technology know-how project

Authors

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 com- piti da svolgere. Questo può 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 più autonomi i sistemi che ci circondano. Questo progetto ha lo scopo di effet- tuare una panoramica del paradigma MARL, producendo una sezione teorica e una sezione pratica dove vengono testate due delle tecnologie più promet- tenti e stabili in questo ambito: PettingZoo e Mava. A tal fine, sono stati condotti diversi esperimenti che riproducono alcuni dei più classici problemi nel campo MARL e ne sono stati riportati i risultati ottenuti, evidenziando le potenzialità e i limiti di questi framework.

Outcomes

Course

— a.y.

2021/2022

— credits

6

— cycle

2nd cycle

— language

wit.gif

Teachers

— professor

Andrea Omicini

— tutors

Giovanni Ciatto

Context

— university

Alma Mater Studiorum-Università di Bologna

— campus

Cesena

— department / faculty / school

DISI

— 2nd cycle

8614 Ingegneria e scienze informatiche

URLs & IDs

AMS Page
course on Virtuale
virtual room
Course Timetable

— course ID

58260

Partita IVA: 01131710376 — Copyright © 2008–2023 APICe@DISI – PRIVACY