Graph-Enhanced Model-Free Reinforcement Learning Agents for Efficient Power Grid Topological Control
针对电网管理复杂性，提出一种无模型强化学习方法，利用掩码拓扑动作空间和图增强训练，在5变电站20场景中降低功率损耗并保障稳定性。
2025-03-26 cs.AI
Quantum Control based on Deep Reinforcement Learning
the University of Tokyo（东京大学）
在这篇论文中，我们考虑了两个简单但典型的控制问题，并将深度强化学习应用于它们，即，在一维二次势或四次势中冷却和控制受到连续位置测量的粒子。我们比较了强化学习控制和传统控制策略在这两个问题上的性能，并表明强化学习在二次型情况下达到了与最优控制相当的性能，在四次型情况下优于传统控制策略，其中最优控制策略是未知的。据我们所知，这是深度强化学习首次应用于连续实空间中的量子控制问题。我们的研究表明，深度强化学习可以作为测量反馈闭环控制器有效地控制真实空间中的随机量子系统，我们的研究还表明人工智能能够发现新的控制策略和量子系统的性质，这些量子系统还没有得到很好的理解，我们可以通过从人工智能中学习来深入了解这些问题，这为科学研究开辟了新的领域。
2022-12-14 cs.AI quant-ph
Adaptive Vehicle Speed Classification via BMCNN with Reinforcement Learning-Enhanced Acoustic Processing
School of Advanced Technology（先进技术学院）
针对城市交通拥堵管理需求，提出融合双分支BMCNN与注意力增强DQN的声学车速分类框架，在两个数据集上取得高准确率，同时通过早期决策提升处理速度，实现更优的准确率-效率权衡，适用于异构城市环境的实时智能交通部署。
2025-08-31 cs.AI cs.SD eess.AS
Leveraging Knowledge and Reinforcement Learning for Enhanced Reliability of Language Models
University of Maryland, Baltimore County（马里兰大学巴尔的摩县分校）
针对语言模型可靠性被忽视的问题，提出知识引导的语言模型集成方法，用强化学习整合ConceptNet与Wikipedia的知识图谱嵌入，在9个GLUE数据集上可靠性与准确率均超现有最优水平。
2023-08-25 cs.AI cs.CL cs.IR
ConcertoRL: An Innovative Time-Interleaved Reinforcement Learning Approach for Enhanced Control in Direct-Drive Tandem-Wing Vehicles
Northwestern Polytechnical University（西北工业大学）
针对昆虫尺度直驱串联翼飞行器控制中强化学习探索安全性和训练稳定性问题，提出ConcertoRL算法，通过时间交错机制和策略编排器提升控制精度与稳定性，实验显示性能提升约70%，效率提高50%。
2024-05-22 cs.AI cs.RO
MORE-CLEAR: Multimodal Offline Reinforcement learning for Clinical notes Leveraged Enhanced State Representation
Seoul National University Hospital（首尔国立大学医院）
提出MORE-CLEAR多模态离线强化学习框架，利用LLM提取临床笔记语义表征并结合门控融合与跨模态注意力整合多模态数据，显著提升了脓毒症管理的生存率与策略性能。
2025-08-11 cs.AI cs.LG
Skill-Enhanced Reinforcement Learning Acceleration from Heterogeneous Demonstrations
School of Computer Science, Carleton University, Ottawa, Canada（计算机科学学院，卡尔顿大学，加拿大）；Canada CIFAR AI Chair, Amii, Canada（加拿大 CIFAR 人工智能主席，Amii，加拿大）
针对专家演示数据不足限制强化学习加速效果的问题，提出两阶段SeRLA方法，通过技能级对抗PU学习从异质演示提取先验，结合技能型软演员-评论家算法与数据增强，在基准测试中实现更优的RL加速效果，尤其在训练早期优势明显。
2025-08-30 cs.AI cs.LG
Enhanced Audit Techniques Empowered by the Reinforcement Learning Pertaining to IFRS 16 Lease
Hanjin Heavy Industries and Construction Co., LTD（韩进重工业建设有限公司）；Yonsei University（延世大学）
会计审计的目的是对公司的财务活动有清晰的了解，这可以通过机器学习或强化学习来增强，因为数字分析比人工分析更好。为评估实体产生的与新实施的《国际财务报告准则第16号租赁》（IFRS 16）有关的信息的相关性、完整性和准确性，由于其要求理解合同性质的特点以及其从上市到无遗漏的完整分析，这可以通过为创建清单而将合同数字化而得到加强，但仍需要审计公司的现金流，以防止由于数据汇集阶段的潜在错误而可能出现的遗漏，特别是对于拥有各种短期或中期经营场所和相关租赁的实体，例如建筑实体。强化学习及其众所周知的代码的实现是为了从领域知识到数值系统的解释器的可能性和可利用性，也可以称为“游戏化解释器”或“数值化解释器”，其可以参考或比较物理学中的无量纲数的外推，例如弗劳德数，这是本研究的灵感来源。对解释器的研究可以增强人工通用智能在领域和商业领域的可用性。
2021-01-05 cs.AI cs.LG
Top K Enhanced Reinforcement Learning Attacks on Heterogeneous Graph Node Classification
School of Electrical and Electronic Engineering（电子与电气工程学院）；Nanyang Technological University（南洋理工大学）；Singapore Institute of Manufacturing Technology (SIMTech)（新加坡制造技术研究所）
本文提出HeteroKRLAttack，一种结合强化学习与Top-K算法的异构图黑盒逃逸攻击方法，通过缩减动作空间高效破坏节点分类，并在多个数据集上验证了其攻击有效性。
2025-09-18 cs.AI cs.LG
Contextual Pre-planning on Reward Machine Abstractions for Enhanced Transfer in Deep Reinforcement Learning
Technion – Israel Institute of Technology（以色列理工学院）；McGill University（麦吉尔大学）；University of Edinburgh（爱丁堡大学）
本文提出利用奖励机抽象为深度强化学习智能体提供可跨任务共享的最优转移符号表示，通过上下文预规划增强少样本迁移和样本效率。
2024-02-21 cs.AI cs.LG
A Survey on GUI Agents with Foundation Models Enhanced by Reinforcement Learning
Lenovo Research（联想研究院）
本文综述由强化学习增强的基础模型驱动的 GUI 智能体，梳理任务形式化、模块化架构与训练范式，并总结其进展、挑战及未来方向。
2025-05-13 cs.AI
Structure-Enhanced Deep Reinforcement Learning for Optimal Transmission Scheduling
The University of Sydney（悉尼大学）；School of Electrical and Information Engineering, The University of Sydney（悉尼大学电气与信息工程学院）；Queensland University of Technology（昆士兰科技大学）；School of Electrical Engineering and Robotics, Queensland University of Technology（昆士兰科技大学电气工程与机器人学院）
针对多传感器远程估计系统的最优传输调度问题，提出利用最优策略结构增强动作选择与损失函数的DRL框架，显著减少训练时间并降低估计MSE。
2022-11-20 cs.AI cs.IT cs.LG
GAN-Enhanced Deep Reinforcement Learning for Semantic-Aware Resource Allocation in 6G Network Slicing
University of California, Berkeley（加州大学伯克利分校）
本文提出GAN-DDPG框架，结合条件GAN生成交通数据、连续动作DDPG和语义感知奖励优化，提升6G网络切片中URLLC、eMBB和mMTC的频谱效率。
2026-03-27 cs.AI cs.LG cs.NI
Reinforcement Learning Enhanced Quantum-inspired Algorithm for Combinatorial Optimization
Russian Quantum Center（俄罗斯量子中心）；University of Oxford（牛津大学）
量子硬件和量子启发算法在组合优化中越来越受欢迎。然而，这些算法可能需要对每个问题实例进行仔细的超参数调整。我们使用一个强化学习代理结合量子启发算法来解决伊辛能量最小化问题，这相当于最大割问题。代理通过调整算法的一个参数来控制算法，目标是改进最近看到的解决方案。我们提出了一种新的重新缩放排名奖励（R3）方法，该方法可以实现稳定的单人版本的自我游戏训练，帮助智能体摆脱局部最优。任何问题实例的训练都可以通过应用来自在随机生成的问题上训练的代理的迁移学习来加速。我们的方法允许采样高质量的解决方案，伊辛问题的概率高，优于基线的几何学和黑盒超参数优化方法。
2020-02-14 cs.AI cs.LG stat.ML
Reinforcement Learning-Enhanced Procedural Generation for Dynamic Narrative-Driven AR Experiences
University of California, Santa Cruz（加州大学圣克鲁兹分校）
针对 WFC 难以适配动态叙事 AR 场景的问题，本文提出融合环境规则与 RL 动态图块权重调整的增强型 WFC 框架，实验证明其地图质量与沉浸感更优。
2025-03-13 cs.AI cs.GR cs.HC
AutoIndexer: A Reinforcement Learning-Enhanced Index Advisor Towards Scaling Workloads
University of Cambridge（剑桥大学）
针对现有基于RL的索引顾问难适配扩展工作负载的问题，提出结合工作负载压缩、查询优化与专用RL模型的AutoIndexer框架，在保证索引质量的同时降低复杂度，性能与调优效率均优于现有方法。
2025-07-30 cs.AI cs.DB
Harnessing Rule-Based Reinforcement Learning for Enhanced Grammatical Error Correction
针对LLMs在语法错误纠正中因监督微调限制推理能力的问题，提出基于规则的强化学习框架，在中文数据集上实现最先进性能且召回率显著提升，为GEC提供更可控可靠的范式。
2025-08-26 cs.AI cs.CL
Control invariant set enhanced reinforcement learning for process control: improved sampling efficiency and guaranteed stability
University of Alberta（阿尔伯塔大学）；Nanyang Technological University（南洋理工大学）
本文提出控制不变集增强的强化学习方法，通过在离线阶段将CIS融入奖励、采样和重置，并在在线阶段以CIS为稳定性判据进行重训练，在模拟化学反应器中显著提升了采样效率与闭环稳定性。
2023-04-11 cs.AI cs.LG cs.SY
Graded-Q Reinforcement Learning with Information-Enhanced State Encoder for Hierarchical Collaborative Multi-Vehicle Pursuit
Beijing University of Posts and Telecommunications（北京邮电大学）
多车追逐问题作为一个从现实生活中抽象出来的问题，正成为智能交通系统中的一个研究热点。人工智能（AI）与车联网的结合极大地推动了MVP的研究发展。然而，现有的MVP的工作很少关注的重要性，在复杂的城市交通环境下的追求车辆之间的信息交流和合作。提出了一种基于信息增强状态编码器的分级Q强化学习（GQRL-IESE）框架来解决这种分层协作多车辆追踪（HCMVP）问题。在GQRL-IESE中，提出了协作分级Q方案，以方便追捕车辆的决策，提高追捕效率。每个追击车辆进一步使用深度Q网络（DQN）根据其编码状态做出决策。协调Q优化网络根据当前环境交通信息调整个体决策，以获得全局最优行动集。此外，信息增强的状态编码器被设计为从多个角度提取关键信息，并使用注意力机制来辅助每个追击车辆有效地确定目标。基于SUMO算法的大量实验结果表明，GQRL-IESE算法的总时间步长平均比其他算法小47.64%，表明GQRL-IESE算法具有良好的追踪效率.代码在https://github.com/ANT-ITS/GQRL-IESE中外包。
2022-10-24 cs.AI cs.LG
External Model Motivated Agents: Reinforcement Learning for Enhanced Environment Sampling
Georgia Institute of Technology（佐治亚理工学院）；Georgia Tech Research Institute（佐治亚理工学院研究中心）
本文提出一种基于兴趣场和行为塑造的智能体影响框架，使强化学习智能体在不改变奖励的情况下主动选择更具信息量的行为，从而提升外部模型在变化环境中的适应效率与性能。
2024-06-28 cs.AI cs.LG
Grounding by Trying: LLMs with Reinforcement Learning-Enhanced Retrieval
Stanford University（斯坦福大学）；Databricks；Google DeepMind（谷歌DeepMind）
针对大语言模型搜索查询构建能力不足的问题，提出强化学习框架LeReT，通过尝试查询并基于偏好优化提升检索质量，可显著提升检索准确率与下游生成效果，适配各类现成检索器。
2024-10-31 cs.AI cs.LG
Enhanced Reinforcement Learning-based Process Synthesis via Quantum Computing
Department of Chemical and Biomedical Engineering, West Virginia University（西弗吉尼亚大学化学与生物医学工程系）；R.F. Smith School of Chemical and Biomolecular Engineering, Cornell University（康奈尔大学R.F. Smith化学与生物分子工程学院）
本文提出了一种基于量子强化学习的过程合成方法，通过构建通用框架将过程合成问题形式化为马尔可夫决策过程，并引入量子增强的强化学习算法以提高可扩展性，同时通过经典强化学习作为基准进行比较，展示了量子方法在过程合成中的竞争力。
2026-05-20 cs.AI cs.LG math.OC
PeRL: Permutation-Enhanced Reinforcement Learning for Interleaved Vision-Language Reasoning
Tsinghua University（清华大学）；Microsoft（微软）；CASIA（中国科学院自动化研究所）
PeRL通过图像序列置换与展开过滤机制，增强交错多模态强化学习的探索-利用平衡，在多图像基准上超越现有基线，同时保持单图像任务性能。
2025-06-17 cs.AI cs.CV
Replay-enhanced Continual Reinforcement Learning
Tsinghua University（清华大学）；The University of British Columbia（不列颠哥伦比亚大学）；Tencent（腾讯）
本文提出 RECALL 方法，通过自适应归一化和策略蒸馏解决持续强化学习中回放导致的奖励尺度偏置与分布偏移问题，显著提升新任务可塑性并避免灾难性遗忘。
2023-11-20 cs.AI cs.LG
DRAFT-RL: Multi-Agent Chain-of-Draft Reasoning for Reinforcement Learning-Enhanced LLMs
BUPT（北京邮电大学）；HKUST(GZ)（香港科技大学（广州））；University of Bristol（布里斯托大学）
DRAFT-RL通过多智能体链式草稿推理提升强化学习增强的LLM在复杂推理任务中的准确性和收敛速度。
2025-11-25 cs.AI
LLM-Enhanced Reinforcement Learning for Long-Term User Satisfaction in Interactive Recommendation
University of Technology Sydney, Sydney, Australia（新南威尔士大学悉尼分校）；University of Shanghai for Science and Technology（上海科学技术大学）
本文提出LLM-Enhanced Reinforcement Learning框架，通过结合大语言模型的语义规划能力与强化学习的细粒度适应性，解决推荐系统中内容同质化和过滤气泡问题，提升长期用户满意度。
2026-02-06 cs.AI cs.IR
Learn Once Plan Arbitrarily (LOPA): Attention-Enhanced Deep Reinforcement Learning Method for Global Path Planning
Guilin University of Electronic Technology（桂林电子科技大学）；Hunan University（湖南大学）
针对深度强化学习在全局路径规划中收敛差和泛化弱的问题，提出注意力增强方法LOPA，通过构建动态局部与全局视图及双通道网络提升对关键信息的关注与推理能力，有效改善了收敛、泛化及规划效率。
2024-01-08 cs.AI cs.LG cs.RO
Solving the flexible job-shop scheduling problem through an enhanced deep reinforcement learning approach
TECNALIA, Basque Research and Technology Alliance (BRTA)（TECNALIA，巴斯克研究与技术联盟（BRTA））；University of the Basque Country（巴斯克大学）
针对柔性作业车间调度尤其是大规模算例的实时调度需求，提出结合异构图神经网络、多样策略生成及DRL与分派规则融合的增强DRL方法，在公开基准上优于现有方法。
2024-01-30 cs.AI cs.LG
Integrating Vision Foundation Models with Reinforcement Learning for Enhanced Object Interaction
University of Arkansas at Little Rock（阿拉伯塔大学拉夫洛克分校）
本文提出将视觉基础模型（SAM和YOLOv5）与强化学习（PPO）结合，在AI2-THOR环境中提升物体交互能力，实验显示累积奖励、交互成功率和导航效率分别提升68%、52.5%和33%。
2025-08-07 cs.AI cs.CV cs.LG
R2 Indicator and Deep Reinforcement Learning Enhanced Adaptive Multi-Objective Evolutionary Algorithm
Ulster University（阿尔斯特大学）；University of Bath（巴斯大学）；Auburn University（奥本大学）
针对优化算法选择难题，提出融合R2指标与双深度Q网络强化学习的多目标进化算法R2-RLMOEA，在CEC09基准测试中性能显著优于其他6种同类算法。
2024-04-17 cs.AI cs.NE
Enhanced Pub/Sub Communications for Massive IoT Traffic with SARSA Reinforcement Learning
Salvador University (UNIFACS)（萨尔瓦多大学（UNIFACS））；University of Paris-Saclay（巴黎萨克雷大学）
传感器正在广泛部署，预计在未来几年将以显著的速度扩展。它们通常会在物联网（IoT）应用领域生成大量数据，如智能城市，智能交通系统，智能电网和电子健康。云计算、边缘计算和雾计算是收集、处理和分发物联网数据的潜在竞争策略。然而，基于云、边缘和雾的解决方案需要通过受限和有限资源的网络基础设施有效地解决大量物联网数据的分发问题。针对在通信资源（带宽）有限的网络中传输海量物联网数据的问题，提出了一种基于强化学习（RL）和SARSA算法的认知通信资源分配方法。拟议的网络基础设施（PSioTRL）使用发布/订阅架构来访问大量和高度分布式的物联网数据。结果表明，基于SARSA的PSioTRL缓冲区刷新带宽分配提高了IoT聚合器缓冲区占用率和网络链路利用率。PSioTRL根据发布/订阅主题的优先级和网络约束要求动态调整IoT聚合器流量刷新。
2021-01-03 cs.AI cs.LG cs.NI
Integrating Saliency Ranking and Reinforcement Learning for Enhanced Object Detection
University of Malta（马耳他大学）
本研究结合显著性排序与强化学习优化目标检测，通过初始框预测和DQN细化提升精度，在Pascal VOC 2007上达到51.4 mAP，超越现有RL单目标检测器。
2024-08-13 cs.AI cs.CV cs.LG
Dynamic Reward Scaling for Multivariate Time Series Anomaly Detection: A VAE-Enhanced Reinforcement Learning Approach
School of Computer Science Portland State University Portland, Oregon, United States（计算机科学学院波特兰州立大学波特兰俄勒冈州美国）
针对多元时间序列异常检测中高维、标注少、传感器依赖弱的问题，本文提出融合VAE、LSTM-DQN、动态奖励与主动学习的强化学习框架DRSMT，在两个基准上取得优于基线的检测效果。
2025-11-15 cs.AI cs.LG
ME$^3$-BEV: Mamba-Enhanced Deep Reinforcement Learning for End-to-End Autonomous Driving with BEV-Perception
本文提出ME$^3$-BEV框架，通过结合BEV感知与Mamba框架构建时空特征提取模型，并以此为深度强化学习的输入实现端到端自动驾驶，在CARLA模拟器中多指标优于现有模型并增强了可解释性。
2025-08-08 cs.AI cs.RO
MM-R5: MultiModal Reasoning-Enhanced ReRanker via Reinforcement Learning for Document Retrieval
本文提出MM-R5，一种通过强化学习训练的多模态推理增强重排序器，采用SFT和RL两阶段训练，在MMDocIR基准上达到最先进性能，recall@1提升超4%。
2025-06-22 cs.AI cs.CL cs.CV
RELATE: A Reinforcement Learning-Enhanced LLM Framework for Advertising Text Generation
Baidu Inc.（百度公司）
RELAITE通过整合性能和合规性目标到生成过程中，提升广告文本的转化效果和实际应用效果。
2026-02-12 cs.AI
Generalized Phase Pressure Control Enhanced Reinforcement Learning for Traffic Signal Control
Victoria University of Wellington（惠灵顿维多利亚大学）
本文提出广义相位压力控制及基于其状态表示的强化学习算法，在真实数据集上显著优于现有启发式与学习方法。
2025-03-26 cs.AI cs.LG
Reinforcement Learning-enhanced Shared-account Cross-domain Sequential Recommendation
Shandong Normal University（山东师范大学）；The University of Queensland（昆士兰大学）
共享账户跨域顺序推荐（SCSR）是一个新兴的具有挑战性的研究课题，它同时考虑了共享账户和跨域的特点。现有的SCSR研究主要基于递归神经网络（RNN）和图神经网络（GNN），但忽略了多个用户共享一个帐号，但帐号每次主要由一个用户占用的事实。这种观察激励我们通过专注于其最近的行为来学习更准确的用户特定帐户表示。此外，虽然现有的工作赋予较低的权重，无关的互动，他们仍然可能稀释域信息，并阻碍跨域推荐。为了解决上述问题，我们提出了一个基于强化学习的解决方案，即RL-ISN，它由一个基本的跨域推荐和一个基于强化学习的域过滤器。具体来说，为了对共享账户场景中的账户表示进行建模，基本推荐器首先将用户的混合行为聚类为潜在用户，然后利用对它们的注意力模型来进行用户识别。为了减少不相关的领域信息的影响，我们制定的领域过滤器作为一个分层的强化学习任务，其中一个高层次的任务是用来决定是否修改整个传输序列或没有，如果是这样，一个低层次的任务是进一步执行，以确定是否删除其中的每个交互或没有。为了评估我们的解决方案的性能，我们在两个真实世界的数据集上进行了广泛的实验，实验结果表明，我们的RL-ISN方法相比，国家的最先进的推荐方法的优越性。
2022-06-16 cs.AI cs.IR cs.LG
TrajGPT-R: Generating Urban Mobility Trajectory with Reinforcement Learning-Enhanced Generative Pre-trained Transformer
The University of Tokyo（东京大学）；Toyota Motor Corporation（丰田汽车公司）
TrajGPT-R通过强化学习增强的生成式预训练变换器生成城市移动轨迹，提升了轨迹生成的可靠性和多样性，为交通管理和城市规划提供支持。
2026-02-24 cs.AI cs.LG
RLAP: A Reinforcement Learning Enhanced Adaptive Planning Framework for Multi-step NLP Task Solving
Fudan University（复旦大学）
本文提出 RLAP 框架，将 NLP 任务建模为 MDP，并用强化学习训练轻量级 Actor 估计状态-动作序列 Q 值，从而结合语言特征与 LLM 自适应确定子任务顺序。
2025-05-17 cs.AI cs.CL
Model-Reference Reinforcement Learning Control of Autonomous Surface Vehicles with Uncertainties
Delft University of Technology（代尔夫特理工大学）
针对不确定自主水面航行器提出了一种新的模型参考强化学习控制方法。所提出的控制将传统控制方法与深度强化学习相结合。使用传统控制，我们可以确保基于学习的控制律为整个系统提供闭环稳定性，并可能提高深度强化学习的采样效率。通过强化学习，我们可以直接学习控制律来补偿模型的不确定性。在所提出的控制中，使用名义系统来使用传统控制方法设计基线控制律。标称系统还定义了不确定的自动驾驶车辆要遵循的期望性能。与传统的深度强化学习方法相比，我们提出的基于学习的控制可以提供稳定性保证和更好的采样效率。我们通过大量的仿真结果证明了新算法的性能。
2020-03-30 cs.AI cs.LG cs.RO
QuadKAN: KAN-Enhanced Quadruped Motion Control via End-to-End Reinforcement Learning
Allen Wang Gavin Tao
本文提出QuadKAN，一种基于KAN的样条参数化跨模态策略，结合本体感觉与视觉，通过PPO端到端训练，在多种地形上实现更高回报、更远距离和更少碰撞的鲁棒四足运动控制。
2025-09-07 cs.AI cs.CV cs.RO
ChronoForge-RL: Chronological Forging through Reinforcement Learning for Enhanced Video Understanding
本文提出ChronoForge-RL框架，通过时序顶点蒸馏与关键帧感知的分组相对策略优化实现高效关键帧选择与时序推理，在VideoMME和LVBench上显著超越基线，使7B模型达到72B模型的性能。
2025-09-19 cs.AI cs.CV
Comparing Deep Reinforcement Learning and Evolutionary Methods in Continuous Control
University of Alberta（阿尔伯塔大学）
强化学习和进化策略是解决复杂控制问题的两种主要方法。两者都是强有力的竞争者，都有自己的奉献者社区。近年来，这两个小组都非常积极地在各自的领域中开发新的进展，并设计出尖端技术来解决复杂的连续控制任务。在这里，在深度强化学习的背景下，我们制定了并行版本的近端策略优化方法和深度确定性策略梯度方法。此外，我们对两个阵营中最先进的技术进行了彻底的比较，包括连续控制;进化方法和深度强化学习方法。结果表明，没有持续的赢家。
2018-03-07 cs.AI cs.LG
Kalman filter control in the reinforcement learning framework
在大脑建模中使用卡尔曼滤波器模型的兴趣越来越大。反过来，使卡尔曼滤波器适合强化学习是相当重要的。在通常的最优控制公式中，它是通过求解向后递归来离线计算的。在本技术说明中，我们表明，线性二次高斯卡尔曼滤波器模型的轻微修改允许最优控制的在线估计，并使桥梁强化学习。此外，用于值估计的学习规则假定由值估计的误差加权的Hebbian形式。
2003-01-09 cs.AI cs.LG
Control invariant set enhanced safe reinforcement learning: improved sampling efficiency, guaranteed stability and robustness
University of Alberta（阿尔伯塔大学）；Nanyang Technological University（南洋理工大学）
本文提出控制不变集增强的安全强化学习方法，将CIS融入离线奖励与采样设计以提升采样效率，并在在线阶段通过安全监督器保证闭环稳定性，在模拟化学反应器上验证了其有效性与鲁棒性。
2023-05-24 cs.AI cs.LG cs.SY
Robot-R1: Reinforcement Learning for Enhanced Embodied Reasoning in Robotics
KAIST（韩国科学技术院）；Yonsei University（延世大学）；UC Berkeley（加州大学伯克利分校）；RLWRLD
Robot-R1通过强化学习提升机器人中的具身推理，优于SFT方法并超越GPT-4o在低级动作控制推理任务中
2026-01-16 cs.AI cs.RO
Towards Better Opioid Antagonists Using Deep Reinforcement Learning
Stony Brook University（石溪大学）；Carnegie Mellon University（卡内基梅隆大学）
纳洛酮是一种阿片类拮抗剂，已被广泛用于挽救阿片类药物过量的生命，这是阿片类药物流行病中死亡的主要原因。但纳洛酮的脑滞留能力较短，限制了其治疗效果。开发更好的阿片类药物拮抗剂是对抗阿片类药物流行的关键。我们采用强化学习，而不是在巨大的化学空间中穷尽性地寻找更好的阿片类药物拮抗剂，它允许有效的基于梯度的搜索具有所需物理化学和/或生物学特性的分子。具体来说，我们实施了一个深度强化学习框架，以发现潜在的先导化合物作为更好的阿片类拮抗剂，具有增强的大脑保留能力。设计了定制的多目标奖励函数，以使一代偏向具有足够的阿片拮抗作用和增强的脑保留能力的分子。全面的评价表明，与此框架，我们能够识别有效的，新颖的和可行的分子与多种所需的性质，这在药物发现具有很高的潜力。
2020-03-26 cs.AI cs.CL cs.LG
Comparison of Model Predictive and Reinforcement Learning Methods for Fault Tolerant Control
Vanderbilt University（范德堡大学）；Institute of Software Integrated Systems, Vanderbilt University（范德堡大学软件集成系统研究所）
容错控制器的一个理想的属性是适应系统的变化，因为它们在系统运行过程中演变。自适应控制器不需要枚举可能的故障的最优控制策略。相反，它可以实时近似一个。针对离散时间系统，提出了两种基于递阶强化学习的自适应容错控制方案。我们比较它们的性能对模型预测控制器存在传感器噪声和持续故障。在C-130飞机的油箱模型上对控制器进行了测试。我们的实验表明，基于强化学习的控制器比模型预测控制器在故障，部分可观测系统模型和不同的传感器噪声水平下表现得更鲁棒。
2020-08-10 cs.AI cs.LG cs.SY
HAIM-DRL: Enhanced Human-in-the-loop Reinforcement Learning for Safe and Efficient Autonomous Driving
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
本文提出HAIM-DRL框架，通过人类专家作为AI导师在危险时接管并示范、从部分人类示范直接推导状态-动作值以替代手工奖励设计，结合最小干预技术，在混合交通中实现更安全、高效且泛化性更强的自动驾驶策略学习。
2024-06-14 cs.AI cs.LG cs.RO
Reinforcement Learning and Control as Probabilistic Inference: Tutorial and Review
UC Berkeley（加州大学伯克利分校）
强化学习或最优控制的框架提供了智能决策的数学形式化，其功能强大且适用广泛。虽然强化学习问题的一般形式能够对不确定性进行有效推理，但强化学习与概率模型中的推理之间的联系并不明显。然而，当涉及到算法设计时，这种联系具有相当大的价值：原则上将问题形式化为概率推理，使我们能够使用各种近似推理工具，以灵活而强大的方式扩展模型，并推理组合性和部分可观测性。在这篇文章中，我们将讨论如何推广的强化学习或最优控制问题，这有时被称为最大熵强化学习，是等价于确定性动力学的情况下的精确概率推理，和变分推理的情况下的随机动力学。我们将提出一个详细的推导这个框架，概述以前的工作，借鉴了这一点和相关的想法，提出新的强化学习和控制算法，并描述未来的研究前景。
2018-05-20 cs.AI cs.LG cs.RO
Learning Control Barrier Functions and their application in Reinforcement Learning: A Survey
Polytechnique Montréal（蒙特利尔理工学院）
本文综述了安全强化学习中控制障碍函数的应用，并探讨了自动学习控制障碍函数的数据驱动方法，以提升强化学习在真实机器人应用中的安全性与有效性。
2024-04-22 cs.AI cs.LG cs.RO
Quantum-Enhanced Hybrid Reinforcement Learning Framework for Dynamic Path Planning in Autonomous Systems
Central Research Laboratory, Bharat Electronics Limited（巴拉特电子有限公司中央研究实验室）
本研究提出量子-经典混合强化学习框架，利用量子并行性生成Q表与转向成本估计并融合经典强化学习，提升动态路径规划的收敛速度与导航性能，经仿真和真实场景验证有效。
2025-05-20 cs.ET cs.IT cs.LG
