Kristallbox: Zukunftsbasierte Erklärungen für inputgesteuerte Deep-RL-Systeme

CrystalBox ist ein neuartiger, modellunabhängiger, nachträglicher Erklärbarkeitsrahmen für Deep Reinforcement Learning (DRL)-Regler in der großen Familie der inputgesteuerten Umgebungen, der die natürliche Zerlegbarkeit von Belohnungsfunktionen in inputgesteuerten Umgebungen mit der Erklärungskraft von zerlegten Erträgen kombiniert.