English(EN) Physics-enhanced reinforcement learning for real-time optimal control of dynamical systems

新的物理增强强化学习范式提升了复杂系统的控制能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-07-20 04:00

研究人员开发了一种新颖的物理增强强化学习（PEARL）范式，旨在改进复杂动力学系统的控制。该方法利用自动微分和神经网络来计算策略梯度并逼近未来回报，显著减少了对大量环境交互的需求。与最先进的强化学习算法相比，PEARL 展现出更高的样本效率和泛化能力，使其能够应用于高维状态和动作空间。 AI

影响这种新的强化学习范式有望在机器人和自主导航等领域实现更高效、更有效的复杂系统控制。

排序理由该集群包含一篇详细介绍强化学习新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Matteo Tomasetto, Nicol\`o Botteghi, Gabriele Bruni, Andrea Manzoni · 2026-07-20 04:00

面向动力学系统实时最优控制的物理增强强化学习

arXiv:2607.16177v1 Announce Type: new Abstract: Reinforcement learning (RL) has recently emerged as a promising feedback control strategy for nonlinear and complex dynamical systems. However, RL algorithms are sample inefficient and require a large number of interaction with the …