Un marco de RL enfocado en entrena conjuntamente un pronosticador y un controlador de carga para manejar tiempos de salida desconocidos de los vehículos eléctricos. El método mejora las decisiones de carga hasta en un 14% en recompensa total y reduce la energía no suministrada en un 55% en comparación con el RL estándar sin pronóstico.