Авторы предлагают использовать показатель Ляпунова (LCE) в качестве сигнала плотной награды для стабилизации перевёрнутого маятника с вертикальным движением. Этот подход позволяет агентам обучения с подкреплением обнаруживать сложные поведения стабилизации, выходящие за рамки стандартных осцилляторных решений.
- LCE служит физически обоснованной плотной наградой для задачи обучения с подкреплением.
- Агент успешно выявляет осцилляторное движение, характерное для маятника Капицы.
- Метод позволяет агенту демпфировать раскачивание маятника, достигая строго вертикального положения.