Exponente de Lyapunov como recompensa densa informada por física: descubrimiento de estabilización en RL más allá del péndulo de Kapitza

Los autores proponen utilizar el exponente característico de Lyapunov (LCE) como una señal de recompensa densa para estabilizar un péndulo invertido con movimiento vertical. Este enfoque permite que los agentes de aprendizaje por refuerzo descubran comportamientos de estabilización complejos más allá de las soluciones oscilatorias estándar.

• El LCE sirve como recompensa densa informada por física para la tarea de aprendizaje por refuerzo.
• El agente identifica con éxito el movimiento oscilatorio característico del péndulo de Kapitza.
• El método permite al agente amortiguar el balanceo del péndulo, logrando una posición estrictamente vertical.