Attentive Convolutional Deep Reinforcement Learning for Optimizing Solar-Storage Systems in Real-Time Electricity Markets
Monash University(莫纳什大学)
针对实时电力市场下的光储系统优化问题,提出结合注意力机制与多粒度特征卷积的AC-DRL算法,相较基准方法收益提升11%-23%,光伏弃电降低76%,实现光储协同增效。
2024-01-29 cs.LG cs.SY eess.SY
When Actions Teach You to Think: Reasoning-Action Synergy via Reinforcement Learning in Conversational Agents
Uniphore
通过强化学习实现对话代理中推理与行动的协同,提升模型推理质量和工具调用精度。
2025-12-12 cs.CL cs.LG
Muscle Synergy Priors Enhance Biomechanical Fidelity in Predictive Musculoskeletal Locomotion Simulation
Department of Mechanical Engineering(机械工程系);Carnegie Mellon University(卡内基梅隆大学);Department of Physical Education(体育系);Seoul National University(首尔国立大学);Lampe Joint Department of Biomedical Engineering(生物医学工程联合部门);UNC-Chapel Hill and NC State University(北卡罗来纳大学教堂山分校和北卡罗来纳州立大学)
提出一种生理学启发的强化学习框架,通过肌肉协同约束控制,在有限实验数据下提高了预测性人体运动模拟的生物力学保真度和泛化能力。
2026-05-28 cs.LG cs.NE cs.RO
Deep Reinforcement Learning for Intelligent Transportation Systems: A Survey
最新的技术改进提高了运输质量。新的数据驱动方法为所有基于控制的系统带来了新的研究方向,例如,在交通、机器人、物联网和电力系统中。将数据驱动的应用程序与交通系统相结合在最近的交通应用中起着关键作用。在本文中,最新的深度强化学习(RL)为基础的交通控制应用进行了调查。具体而言,交通信号控制(TSC)的应用程序的基础上(深)RL,这已被广泛研究的文献中,详细讨论。不同的问题配方,RL参数,和仿真环境的TSC进行了全面讨论。在文献中,也有一些使用深度RL模型研究的自动驾驶应用。我们的调查广泛总结了现有的作品在这一领域进行分类,它们与应用类型,控制模型和研究算法。最后,我们讨论了基于深度RL的交通应用的挑战和开放性问题。
2020-05-02 cs.LG cs.MA cs.SY
Multi-Armed Bandits for Minesweeper: Profiting from Exploration-Exploitation Synergy
Federal Center for Technological Education Celso Suckow da Fonseca (CEFET-RJ)(塞尔索·苏科·达·丰塞卡联邦技术教育中心(里约热内卢联邦技术教育中心))
作为一个流行的电脑益智游戏,扫雷游戏需要人类玩家同时拥有运气和策略才能成功。更正式地分析这些方面,在我们的研究中,我们评估了一种基于强化学习的新方法的可行性,作为解决这个游戏所提出的问题的适当方法。为此,我们采用了多臂强盗算法,这些算法经过仔细调整,以便能够使用它们来定义自主计算玩家,目标是最好地利用一些游戏特性。经过实验评估,结果表明,这种方法确实是成功的,特别是在较小的游戏板,如标准的初学者水平。尽管如此,这项工作的主要贡献是从学习的角度对扫雷舰进行了详细的检查,这导致了各种原始的见解,并进行了彻底的讨论。
2021-06-17 cs.AI cs.LG stat.ML
Can Optimal Transport Improve Federated Inverse Reinforcement Learning?
Rochester Institute of Technology(罗切斯特理工学院)
本文提出基于最优传输的联邦逆强化学习方法,通过Wasserstein均值融合提升跨异构环境的奖励估计一致性。
2026-01-01 cs.LG cs.SY eess.SY
FlexPool: A Distributed Model-Free Deep Reinforcement Learning Algorithm for Joint Passengers & Goods Transportation
School of Industrial Engineering, Purdue University(普渡大学工业工程学院)
在线商品交付的增长导致最后一英里交付的城市车辆流量急剧增加。另一方面,随着乘车共享平台的成功以及对使用自动驾驶汽车技术进行路由和匹配的研究增加,乘车共享一直在上升。未来的城市客运和货运交通依赖于利用新方法,最大限度地减少运输系统的运营成本和环境足迹。本文考虑将客运与货运相结合,以改善汽车运输。即使这个问题已经研究了一个定义的动力学模型的运输系统环境,本文认为一个无模型的方法,已被证明是适应新的或不稳定的环境动态。我们提出了FlexPool,这是一种分布式无模型深度强化学习算法,通过从与环境的交互中学习最佳调度策略,共同为乘客和货物工作负载提供服务。所提出的算法池乘客的乘车共享服务,并提供货物使用多跳过境方法。这些灵活性降低了车队的运营成本和环境足迹,同时保持了乘客和货物的服务水平。通过在一个现实的多智能体城市移动平台上的模拟,我们证明了FlexPool在满足乘客和货物需求方面优于其他无模型设置。与(i)无模型方法相比,FlexPool实现了30%的车队利用率和35%的燃油效率,其中车辆运输乘客和货物的组合而不使用多跳运输,以及(ii)无模型方法,车辆只运输乘客或货物。
2020-09-20 cs.AI cs.LG cs.MA
Risk-Aware Reinforcement Learning through Optimal Transport Theory
Rochester Institute of Technology(罗切斯特理工学院)
本文将最优传输理论与强化学习结合,构建风险感知框架,通过修改目标函数引入风险约束,在最大化期望奖励的同时实现风险控制,为RL平衡奖励与风险提供了新方向。
2023-09-12 cs.LG cs.SY eess.SY
Deep Reinforcement Learning for Dynamic Urban Transportation Problems
George Mason University(乔治梅森大学)
我们探索了深度学习和深度强化学习在交通优化问题中的应用。许多交通系统分析任务都被表述为优化问题-例如智能交通系统和长期城市规划中的最优控制问题。通常,用于表示交通系统动态的交通模型涉及具有复杂输入-输出交互的大型数据集,并且难以在优化的上下文中使用。使用深度学习元模型可以产生这些关系的低维表示,并允许以有效的方式实现优化和强化学习算法。特别是,我们开发了用于校准交通模拟器和强化学习的深度学习模型,以解决网络上旅行者的最佳调度问题。
2018-06-14 cs.LG stat.ML
Understanding Reward Ambiguity Through Optimal Transport Theory in Inverse Reinforcement Learning
Rochester Institute of Technology(罗切斯特理工学院)
本文利用最优传输理论中的Wasserstein距离建立几何框架,量化并应对高维逆强化学习中的奖励模糊性问题,通过识别奖励函数质心为鲁棒方法提供几何基础。
2023-10-18 cs.LG cs.SY eess.SY
Multi-agent deep reinforcement learning with centralized training and decentralized execution for transportation infrastructure management
organization= Department of Civil;Environmental Engineering , addressline= The Pennsylvania State University , city= University Park , postcode= 16802 , state= PA , country= USA;organization= Faculty of Architecture \& the Built Environment , addressline= Delft University of Technology , postcode= 2628 BL , state= Delft , country= The Netherlands
本文提出DDMAC-CTDE框架,用于交通基础设施管理中的多智能体深度强化学习,通过集中训练与分布式执行解决高维状态和动作空间问题,并在基准环境中验证其有效性。
2026-02-25 cs.AI cs.LG cs.MA
Sharing the Control Authority Between Deep Reinforcement Learning and Model Predictive Control: Application to Multi-Class Transportation Networks
Delft University of Technology(代尔夫特理工大学);Delft Center for Systems and Control(代尔夫特系统与控制中心)
本文针对多类交通网络控制难题,提出DRL-MPC分层框架划分控制权,经多类高速公路网络实验,其性能优于混合状态反馈-MPC控制器,计算时间少于分层MPC控制器,模型失配时约束执行更有效。
2026-08-24 cs.LG cs.SY eess.SY
Rethinking Optimal Transport in Offline Reinforcement Learning
AIRI;ITMO(ITMO大学);Skoltech(斯科尔科沃科学技术研究院);MIPT(莫斯科物理技术学院);Yandex(Yandex公司);HSE University(高等经济大学)
本文将离线强化学习重新建模为最优传输问题,提出一种将状态映射到最佳专家动作部分分布的新算法,并在D4RL连续控制任务上取得优于现有方法的效果。
2024-10-17 cs.LG
Spatial Influence-aware Reinforcement Learning for Intelligent Transportation System
Columbia University(哥伦比亚大学)
智能交通系统(ITS)被认为是智慧城市的关键,其目的是改善交通流量,提高城市居民的生活质量,减少拥堵,提高通勤效率。然而,在可以部署这样的系统之前,需要解决几个挑战,例如,用于马尔可夫决策过程(MDP)和单代理强化学习(RL)算法的传统解决方案具有较差的可扩展性,并且多代理系统具有较差的通信和协调。在本文中,我们探讨了潜在的互信息共享,或换句话说,基于空间影响的通信,以优化交通灯控制策略。首先,我们对交通系统进行数学分析。我们的结论是,交通系统不存在静态纳什均衡,从而强化学习算法提供了合适的解决方案。其次,我们描述了如何建立一个多智能体的深度确定性策略梯度(DDPG)系统的空间影响和社会群体的效用。然后,我们利用网格拓扑结构的道路网络,实证证明了新系统的可扩展性。我们展示了三种类型的定向通信,以显示社会影响力的方向对整个网络效用和个人效用的影响。最后,我们定义了“自私指数”,并分析了它对群体总效用的影响。
2019-12-14 cs.AI cs.LG cs.MA
Online Multimodal Transportation Planning using Deep Reinforcement Learning
Eindhoven University of Technology(埃因霍温理工大学)
在本文中,我们提出了一种深度强化学习方法来解决多式联运规划问题,其中集装箱必须被分配到卡车或火车上,然后将它们运送到目的地。虽然传统的规划方法“离线”工作(即,它们在运输开始之前对一批集装箱作出决定),但是所提出的方法是“在线的”,因为它可以在执行运输的同时对各个集装箱作出决定。在线规划运输有助于有效应对可能影响原始运输计划的不可预见事件,从而支持公司降低运输成本。我们在提出的深度强化学习算法中实现了不同的集装箱选择算法,并使用模拟现实场景的数据评估了每个启发式算法的性能,这些数据是基于物流公司的真实案例研究设计的。实验结果表明,该方法能够学习有效的集装箱分配模式。在总运输成本和训练运力利用率方面,其成本表现优于测试竞争对手20. 48%至55. 32%,运力表现优于测试竞争对手7. 51%至20. 54%。此外,它得到的结果在2.7%的成本和0.72%的能力的最优解生成的一个线性规划求解器在离线设置。
2021-05-18 cs.LG
Improved Model-based Reinforcement Learning with Smooth Kernels
School of Statistics, KLATASDS-MOE(统计学学院,KLATASDS-MOE);East China Normal University(华东师范大学)
本文提出了一种基于核平滑的模型驱动强化学习方法,利用mdp的平滑性,通过伯恩斯坦式探索奖励改进了有限时间 horizon 下的 regret 绑定。
2026-05-08 cs.LG stat.ML
Policy-shaped prediction: avoiding distractions in model-based reinforcement learning
Stanford University(斯坦福大学)
针对基于模型的强化学习中模型易被可预测无关干扰占用容量的问题,提出结合预训练分割模型、任务感知重构损失与对抗学习的方法,性能优于现有抗干扰方案,推动鲁棒MBRL发展。
2024-12-08 cs.AI cs.LG
AceReason-Nemotron 1.1: Advancing Math and Code Reasoning through SFT and RL Synergy
NVIDIA
本研究探索SFT与RL在推理模型训练中的协同作用,通过两种数据扩展策略优化SFT,确定RL训练最优采样温度,最终推出的AceReason-Nemotron-1.1 7B模型在基于Qwen2.5-7B的数学与代码推理任务中达到SOTA性能。
2025-06-16 cs.AI cs.CL cs.LG
Optimal Transport Perturbations for Safe Reinforcement Learning with Robustness Guarantees
Mitsubishi Electric Research Laboratories(三菱电机研究实验室);Boston University(波士顿大学)
本文提出一种基于最优传输代价不确定性集的安全强化学习框架,通过构造最坏情况虚拟状态转移实现鲁棒性,在连续控制任务中显著提升部署安全性。
2024-03-28 cs.AI cs.LG stat.ML
A Bibliometric Analysis and Review on Reinforcement Learning for Transportation Applications
University of New South Wales(新南威尔士大学);University of Sydney(悉尼大学);Technische Universität Dresden(德累斯顿工业大学);The Hong Kong Polytechnic University(香港理工大学)
交通是经济和城市发展的支柱。提高运输系统的效率、可持续性、弹性和智能性至关重要,也具有挑战性。不断变化的交通状况,外部因素的不确定影响(例如,天气、事故)以及多种出行方式和多种交通流之间的相互作用,导致了交通系统的动态性和随机性。运输系统的规划、运行和控制需要灵活和适应性强的策略,以应对不确定性、非线性、可变性和高度复杂性。在这种背景下,强化学习(RL)使自主决策者能够与复杂环境交互,从经验中学习并选择最佳行动,已迅速成为智能交通最有用的方法之一。本文通过文献计量学分析,对近十年来基于RL的交通应用方法的发展、典型期刊/会议以及智能交通领域的前沿课题进行了梳理。然后,本文提出了一个全面的文献综述RL在交通运输中的应用,根据具体的应用领域分类不同的方法。最后讨论了强化学习应用和发展的潜在研究方向。
2022-10-26 cs.LG
Recent Progress in Energy Management of Connected Hybrid Electric Vehicles Using Reinforcement Learning
University of Birmingham(伯明翰大学);Tsinghua University(清华大学);University of Surrey(萨里大学)
本文综述了强化学习在网联混合动力汽车能量管理中的应用,涵盖从单车到多车场景,重点探讨多智能体强化学习解决协同生态驾驶控制的挑战与进展。
2023-12-23 cs.LG cs.SY eess.SY
Deep reinforcement learning of event-triggered communication and control for multi-agent cooperative transport
Nara Institute of Science and Technology(奈良先端科学技术大学院大学)
在本文中,我们探讨了一个多智能体强化学习的方法来解决多智能体合作运输的通信和控制策略的设计问题。典型的端到端深度神经网络策略可能不足以覆盖通信和控制;这些方法不能决定通信的定时并且只能与固定速率通信一起工作。因此,我们的框架利用事件触发的架构,即,一个反馈控制器,计算通信输入和触发机制,确定何时输入必须再次更新。使用多代理深度确定性策略梯度来有效地优化这种事件触发的控制策略。我们证实,我们的方法可以通过数值模拟来平衡传输性能和通信节省。
2021-03-29 cs.LG cs.RO
Deep Reinforcement Learning and Transportation Research: A Comprehensive Review
University of Illinois at Chicago(伊利诺伊大学芝加哥分校)
深度强化学习(DRL)是一种新兴的方法,正在改变许多复杂的交通决策问题的解决方式。研究人员越来越多地转向这种强大的基于学习的方法来解决交通领域的挑战性问题。虽然在文献中已经报道了许多有前途的应用,但仍然缺乏对许多DRL算法及其使用和适应的全面综合。本文的目的是填补这一空白,进行全面的,综合性的审查,日间行车灯在交通运输中的应用。首先,我们提供了一个概述的DRL的数学背景,流行的和有前途的DRL算法,和一些非常有效的DRL扩展。在此概述的基础上,约150 DRL的研究,出现在交通文献中,分为七个不同的类别,进行了系统的调查。在此次审查的基础上,我们继续研究日间行车灯技术在交通领域应用的适用性、优点、缺点以及常见和特定应用问题。最后,我们建议未来的研究方向和目前可用的资源,实际实施DRL。
2020-10-13 cs.AI cs.LG
Optimal Transport-Assisted Risk-Sensitive Q-Learning
Rochester Institute of Technology(罗切斯特理工学院)
针对传统强化学习忽略风险安全的问题,提出融合最优传输理论的风险敏感Q学习算法,在Gridworld实验中验证其可减少风险状态访问并加快收敛。
2024-09-11 cs.LG cs.SY eess.SY
Enhanced Gene Selection in Single-Cell Genomics: Pre-Filtering Synergy and Reinforced Optimization
CNIC, CAS(中国科学院计算机网络信息中心);University of CAS(中国科学院大学);University of Kansas(堪萨斯大学);IR A*STAR(新加坡科技研究局研究院);Portland State Univerisity(波特兰州立大学)
本文针对单细胞基因组学聚类任务提出一种迭代式基因面板选择策略,通过整合其他基因选择算法的结果作为先验边界,并结合强化学习的随机探索与奖励反馈优化,有效减少偏差并提升选择效率。
2024-06-11 cs.AI cs.LG q-bio.GN
Strategizing Equitable Transit Evacuations: A Data-Driven Reinforcement Learning Approach
School of Sustainable Engineering and the Built Environment, Arizona State University(亚利桑那州立大学可持续工程与建筑环境学院);University of California, Berkeley(加州大学伯克利分校)
针对灾害疏散中效率与公平兼顾的需求,提出基于强化学习的公交疏散优化框架,利用实时公交与路网数据动态调线,仿真验证其较传统策略在效率和公平性上均有显著提升,可用于智能交通应急场景。
2024-12-08 cs.AI cs.CY cs.LG
Strategic bidding in freight transport using deep reinforcement learning
提出了一种多智能体强化学习算法来表征货运市场中的策略性投标行为。使用该算法,我们调查是否可行的市场均衡出现没有任何中央控制或代理之间的通信。在这样的环境中研究行为可能会成为像物理互联网这样的自组织物流系统的垫脚石。我们模拟一个基于代理的环境中,托运人和承运人积极学习投标策略,使用策略梯度方法,提出出价和要价在个别集装箱水平。这两个代理的目标是学习最好的反应给定的预期行为的对手。中立经纪人根据买卖价差分配工作。我们的博弈理论分析和数值实验专注于行为洞察。为了评估系统的性能,我们衡量坚持纳什均衡,公平的奖励分工和利用的运输能力。我们在可预测的、确定性的环境(约95%符合纳什均衡)和高度随机的环境(约85%符合)中都观察到了良好的性能。风险寻求行为可能会增加代理人的奖励份额,只要策略不是过于激进。研究结果表明,货运市场有可能实现完全自动化和分散化。
2021-02-18 cs.LG
Using a Deep Reinforcement Learning Agent for Traffic Signal Control
McMaster University(麦克马斯特大学)
本文提出一种基于深度强化学习的交通信号控制系统,通过离散交通状态编码和Q-learning训练,有效减少交通延误、队列长度和旅行时间。
2016-11-03 cs.LG cs.SY eess.SY
DeepSeek-Inspired Exploration of RL-based LLMs and Synergy with Wireless Networks: A Survey
Kyung Hee University(韩国庆熙大学);Nanyang Technological University(南洋理工大学)
本综述探讨基于强化学习的大语言模型(如DeepSeek)与无线网络的协同作用,分析DeepSeek的创新设计对无线网络优化的适配性及二者融合的机遇、挑战与新兴方向。
2025-10-20 cs.AI cs.CV cs.ET
Optimal Transport-Guided Safety in Temporal Difference Reinforcement Learning
Department of Mechanical Engineering, Rochester Institute of Technology(机械工程系,罗切斯特理工学院)
针对强化学习常忽略安全性的问题,提出一种基于最优传输理论量化行动不确定性的时序差分算法,将不确定性评分融入决策目标,理论证明可降低不安全状态访问概率,实验验证其在保障安全的同时维持性能。
2025-06-14 cs.LG
Distill Knowledge in Multi-task Reinforcement Learning with Optimal-Transport Regularization
VNU University of Engineering and Technology(越南国立大学工程技术大学)
针对多任务强化学习中的知识迁移问题,提出基于 Sinkhorn 映射的最优传输正则化奖励,以调节任务间信息共享并提升学习效率。
2023-09-27 cs.LG
Skywork-Reward-V2: Scaling Preference Data Curation via Human-AI Synergy
Research, Skywork AI(2050研究, Skywork AI)
Skywork-Reward-V2通过人机协同扩大偏好数据整理,提出SynPref-40M数据集和两阶段流程,训练出八种参数不同的奖励模型,在多个基准中取得最佳性能。
2026-03-02 cs.AI cs.CL cs.LG
Score-Based Diffusion Policy Compatible with Reinforcement Learning via Optimal Transport
Zhejiang University(浙江大学);Westlake University(西湖大学);Shanghai Jiao Tong University(上海交通大学)
针对扩散策略在分布偏移下鲁棒性不足的问题,提出结合最优传输的OTPR方法,通过Q函数作传输代价、掩码匹配及兼容性重采样实现扩散策略与RL的高效稳定微调,在仿真任务中性能更优。
2025-02-21 cs.AI cs.LG
Depth-Breadth Synergy in RLVR: Unlocking LLM Reasoning Gains with Adaptive Exploration
Sun Yat-Sen University(中山大学);ETH AI Center, ETH Zurich(苏黎世联邦理工学院ETH人工智能中心);University of California, Merced(加州大学默塞德分校)
本文提出DARS方法,通过自适应探索提升LLM推理能力,发现扩大批量大小能显著提升Pass@1指标,同时结合DARS-Breadth方法实现深度与广度的协同增益。
2026-04-12 cs.AI cs.LG
Combining Reinforcement Learning and Optimal Transport for the Traveling Salesman Problem
National University of Singapore(新加坡国立大学);Loyola Marymount University(洛约拉马利蒙特大学);Grabtaxi Holdings Pte Ltd(Grab出租车控股私人有限公司)
本文针对旅行商问题规模扩大时精确算法耗时、深度学习方法推理慢的问题,将熵正则化最优输运集成到深度强化学习网络中,实现无监督学习、更快推理,并在端到端训练中强制分配约束。
2022-03-02 cs.AI cs.LG math.OC
Deep Reinforcement Learning for Intelligent Transportation Systems
Columbia University(哥伦比亚大学);Imperial College London(帝国理工学院);Nokia-Bell Laboratories(诺基亚贝尔实验室)
智能交通系统(ITS)被认为在改善交通流量和减少拥堵方面发挥着关键作用,这是一个影响全球城市地区的普遍问题。快速发展的车辆通信和边缘云计算技术为智能交通管理提供了关键推动力。然而,在实际相关的规模上操作可行的实时致动机制涉及巨大的挑战,例如,策略迭代和传统的强化学习(RL)技术由于状态空间爆炸而遭受较差的可扩展性。受这些问题的启发,我们探索了深度Q网络(DQN)优化交通灯控制策略的潜力。作为一个初始的基准,我们建立的DQN算法产生的“阈值”的政策,在一个单一的交集。接下来,我们将研究DQN算法的可扩展性及其在沿主动脉具有多个交叉点的线性网络拓扑中的性能。我们证明了DQN算法产生智能行为,如“绿波”模式的出现,反映了他们学习有利的交通灯驱动的能力。
2018-12-03 cs.LG stat.ML
On the Benefit of Optimal Transport for Curriculum Reinforcement Learning
Technical University of Darmstadt(达姆施塔特工业大学);German Research Center for AI (DFKI)(德国人工智能研究中心);Centre for Cognitive Science at Technical University of Darmstadt(达姆施塔特工业大学认知科学中心);Center for Artificial Intelligence and Data Science at University of Würzburg(维尔茨堡大学人工智能与数据科学中心);Aalto University(阿尔托大学)
本文将课程强化学习中的课程生成建模为任务分布间的约束最优传输问题,通过插值任务分布自动生成由易到难的课程,并在多种任务基准上验证其优于现有方法。
2024-05-04 cs.LG
A physics-informed reinforcement learning approach for the interfacial area transport in two-phase flow
Purdue University(普渡大学)
两相流系统中界面结构的预测是困难和具有挑战性的。本文提出了一种新的物理信息强化学习辅助框架(PIRLF)的界面区域传输。假设两相流的发展是一个具有马尔可夫性质的随机过程,建立了描述气泡输运的马尔可夫决策过程。该框架的目的是捕捉两相流的复杂性,利用强化学习(RL)在发现复杂模式方面的优势,并以物理模型(界面面积传输方程)为参考。框架设计的细节进行了描述,包括环境的设计和用于解决RL问题的算法。利用实验数据库对垂直上升泡状气液两相流进行了实验,对PIRLF的性能进行了测试。实验结果表明,PIRLF算法具有较好的性能,其rRMSE为6.556%。对PIRLF性能的案例研究也表明,与物理模型相关的奖励函数的类型会影响框架性能。在此基础上,建立了最优报酬函数。讨论了扩展PIRLF能力的途径,为进一步发展PIRLF提供了参考。
2020-10-04 cs.GT cs.LG physics.comp-ph
Transporting Unsecured Stacked Payloads with a Quadrupedal Robot via Multi-Objective Reinforcement Learning
Fujitsu Limited(富士通株式会社)
针对四足机器人运输无固定堆叠载荷时运动与稳定性的权衡,提出PAMORT多目标强化学习方法,通过在线调整偏好权重,在仿真和真实实验中优于单目标基线,实现鲁棒运输。
2026-10-06 cs.LG cs.RO
Meta-TTRL: A Metacognitive Framework for Self-Improving Test-Time Reinforcement Learning in Unified Multimodal Models
Tsinghua University(清华大学)
Meta-TTRL通过元认知信号实现测试时间参数优化,提升统一多模态模型的自改进能力,在文本到图像生成任务中取得显著成果。
2026-03-16 cs.AI cs.LG
Real-time system optimal traffic routing under uncertainties -- Can physics models boost reinforcement learning?
Carnegie Mellon University(卡内基梅隆大学);Heinz College, Carnegie Mellon University(卡内基梅隆大学海因茨学院)
针对不确定性下实时交通最优路由难题,提出融合物理模型与强化学习的TransRL算法,通过KL散度约束策略学习,在多路网实验中优于传统模型法和PPO、SAC等SOTA强化学习方法,且动作更可靠可解释。
2024-07-10 cs.AI cs.LG cs.SY
Learning Light Transport the Reinforced Way
NVIDIA(英伟达)
我们证明了强化学习和光传输模拟的方程是相关的积分方程。基于这种对应关系,导出了在采样路径空间中学习重要性的方案。这种新方法在一致的光传输模拟算法中得到了证明,该算法使用强化学习来逐步学习光来自哪里。由于将该信息用于重要性采样也包括关于可见度的信息,因此具有零贡献的光传输路径的数量显著减少,从而在固定时间预算内产生少得多的噪声图像。
2017-08-15 cs.GR cs.LG
Multi-Agent Reinforcement Learning for Assessing False-Data Injection Attacks on Transportation Networks
Pennsylvania State University(宾夕法尼亚州立大学);Massachusetts Institute of Technology(麻省理工学院);Washington University St. Louis(圣路易斯华盛顿大学)
针对导航依赖下交通网络易遭虚假数据注入攻击的问题,提出含对抗模型与分层多智能体强化学习的计算框架,以寻找最坏攻击策略,并在Sioux Falls网络上验证了适用性。
2024-03-06 cs.AI cs.CR cs.LG
Dynamic multi-agent deep reinforcement learning-based pricing and incentivization approach in multimodal transportation networks
University of California, Berkeley(加州大学伯克利分校);Technical University of Denmark(丹麦技术大学)
提出多智能体深度强化学习框架,通过动态定价和激励策略协调公共交通与共享出行服务,平衡效率、公平与收益,实验表明可降低通勤成本20%、排放10%并提升公平性。
2026-06-23 cs.AI cs.LG math.OC
Optimal Transport Meets Reinforcement Learning: A Survey
University of Warwick(华威大学)
本综述系统梳理最优传输在强化学习目标与算法中的应用,分类现有方法,探讨动机、实际考量与开放问题,为相关研究提供全面参考。
2026-10-02 cs.AI cs.LG stat.ML
Reinforcement Learning for Flow-Matching Policies with Density Transport
University of Pennsylvania(宾夕法尼亚大学)
提出在线强化学习算法RLDT,利用Stein变分梯度下降构建传输场,微调预训练流匹配策略,通过期望目标估计稳定训练,在连续控制任务中优于基线方法。
2026-06-07 cs.AI cs.LG
Shared-unique Features and Task-aware Prioritized Sampling on Multi-task Reinforcement Learning
National Taiwan University(台湾大学);National Yang Ming Chiao Tung University(国立阳明交通大学);MobileDrive
针对多任务强化学习中的性能不平衡问题,提出STARS方法,通过共享-独特特征提取器与任务感知优先采样策略,在Meta-World基准上有效提升整体性能并缓解任务间性能差异。
2024-06-02 cs.AI cs.LG
Climate Adaptation with Reinforcement Learning: Experiments with Flooding and Transportation in Copenhagen
Technical University of Denmark(丹麦技术大学)
针对气候变化引发的城市内涝对交通系统的破坏问题,本研究提出整合气候预测与出行建模的强化学习框架,通过优化适应措施的实施时机与地点,显著提升决策效率,且框架已开源。
2024-11-29 cs.LG
RouteRL: Multi-agent reinforcement learning framework for urban route choice with autonomous vehicles
Doctoral School of Exact and Natural Sciences, Jagiellonian University(雅盖隆大学精确与自然科学博士学院);Faculty of Mathematics and Computer Science, Jagiellonian University(雅盖隆大学数学与计算机科学学院)
RouteRL框架结合多智能体强化学习与微观交通仿真,用于测试和开发自动驾驶车辆的城市路径选择策略,推动交通建模和人机交互研究。
2025-02-27 cs.LG cs.MA
High-Precision Geosteering via Reinforcement Learning and Particle Filters
University of Stavanger(斯塔万格大学);Stanford University(斯坦福大学);NORCE Norwegian Research Centre(NORCE挪威研究中心)
本文提出将强化学习与粒子滤波相结合用于地质导向决策,利用粒子滤波处理实时测井数据估计井位,再指导强化学习决策,实验证明二者协同优于单独使用任一方法。
2024-02-09 cs.AI cs.LG physics.geo-ph
Multi-Agent Deep Reinforcement Learning for Efficient Passenger Delivery in Urban Air Mobility
Korea University(高丽大学);Ajou University(亚洲大学)
城市空中交通(UAM),也被称为无人机出租车或电动垂直起降(eVTOL),将在未来的交通运输中发挥关键作用。通过将UAM应用于实际的未来运输,可以实现几个好处,即,(i)与传统运输相比,乘客的总旅行时间可以减少,以及(i i)没有环境污染,并且由于电池将用于UAM系统中,所以操作该系统没有特殊的劳动力成本。然而,飞行环境中存在着各种动态和不确定因素,即,乘客突然的服务请求、电池放电和UAM之间的碰撞。因此,本文提出了一种新的合作MADRL算法的基础上集中式训练和分布式执行(CTDE)的概念,在UAM网络中的可靠和有效的乘客交付。根据性能评估的结果,我们证实,该算法优于其他现有的算法,服务的乘客数量增加(30%)和等待时间,每个服务的乘客减少(26%)。
2023-01-25 cs.LG cs.MA
Offline Reinforcement Learning with Wasserstein Regularization via Optimal Transport Maps
本文提出一种基于Wasserstein距离的离线强化学习正则化方法,利用输入凸神经网络建模最优传输映射,无需判别器即可计算距离,避免了对抗训练,在D4RL基准上表现优异。
2025-07-14 cs.AI cs.LG cs.RO
Quantum Decision Transformers (QDT): Synergistic Entanglement and Interference for Offline Reinforcement Learning
AI-WEINBERG, AI Experts(AI-WEINBERG人工智能专家)
量子决策变压器通过结合量子启发的注意力和前馈网络,显著提升了离线强化学习中长周期信用分配和复杂状态-动作依赖性的处理能力。
2025-12-09 cs.AI cs.LG
Helix: Evolutionary Reinforcement Learning for Open-Ended Scientific Problem Solving
Bosch (China) Investment Co., Ltd.(博世(中国)投资有限公司);Tsinghua-Bosch Joint Center for ML, Tsinghua University(清华大学-博世联合人工智能中心,清华大学);Dept. of EE, Tsinghua University(清华大学电子工程系);Dept. of Comp. Sci. & Techn., Tsinghua University(清华大学计算机科学与技术系)
HELIX通过分层进化强化学习框架,在开放性科学问题求解中实现了先进解决方案的发现,其在圆圈装箱任务中取得state-of-the-art结果,并在机器学习基准测试中超越GPT-4o。
2026-03-08 cs.LG