Tech
- Un chercheur démontre qu'on peut résoudre le problème classique CartPole en utilisant uniquement l'optimisation par recuit simulé, sans calcul de gradients.
- Cette approche, basée sur des sauts aléatoires d'états, contourne les limitations des méthodes d'apprentissage par renforcement traditionnelles.
- Le résultat ouvre des perspectives pour les environnements où les gradients sont difficiles à calculer ou n'existent pas.