Personalized Observation Normalization for Federated Reinforcement Learning in Simulation Environments with Heterogeneity

Cet article présente une méthode de normalisation d'observation personnalisée (PON) pour l'apprentissage par renforcement fédéré (FedRL), visant à surmonter les défis des environnements hétérogènes. Le PON permet à chaque agent de normaliser localement les entrées d'état, assurant une mise à l'échelle cohérente et améliorant les performances dans les tâches MuJoCo.