deep reinforcement learning
PulseAugur coverage of deep reinforcement learning — every cluster mentioning deep reinforcement learning across labs, papers, and developer communities, ranked by signal.
14 天有情绪数据
-
新的防御系统ORAN-DEFEND针对开放无线接入网中的后门攻击
研究人员开发了ORAN-DEFEND，一个旨在保护开放无线接入网（O-RAN）免受嵌入在第三方深度强化学习（DRL）xApp中的后门攻击的新系统。该防御机制通过将KPI窗口投影到通过可信数据奇异值分解识别出的安全子空间上来运行，而无需重新训练受损的xApp。该系统的有效性取决于后门触发器的能量是否集中在与安全子空间正交的子空间中。在Colosseum COLORAN数据集上的实证结果显示，针对各种DRL后门攻击，该系统实现了100%的…
-
新理论解决视频流AI可塑性损失问题
研究人员提出了静默神经元理论，以解决用于自适应视频流的深度强化学习模型中可塑性损失的问题。该理论认为，现有的休眠神经元指标不足以表征可塑性退化。为了应对这一问题，开发了一种名为重置静默神经元（ReSiN）的新方法，该方法根据前向和后向传播状态策略性地重置神经元以保持可塑性。在自适应视频流系统中，ReSiN已显示出显著的改进，与现有解决方案相比，实现了更高的比特率和更好的体验质量。
-
深度强化学习优化投资组合风险与回报
研究人员开发了一个新颖的深度强化学习框架MORP-DRL，旨在通过同时考虑预期回报和下行风险来优化投资组合。该框架整合了方差、条件在险价值（CVaR）和熵在险价值（EVaR），以模拟包括肥尾行为和交易成本在内的复杂市场动态。在各种市场环境下进行的实验表明，MORP-DRL在压力市场条件下提供了具有竞争力的风险回报表现和增强的稳定性，并展示了其在高维投资组合中的可扩展性。
-
深度强化学习解决交通模拟校准问题
研究人员开发了一个新颖的框架，使用无模型深度强化学习（DRL）来解决微观交通模拟中的动态起讫点矩阵估计（DODE）问题。该方法将DODE重构为马尔可夫决策过程，允许智能体通过与模拟环境的交互来学习生成OD矩阵的最优策略。该方法有效地解决了信用分配挑战，该挑战源于复杂的时态动态和个体车辆的不确定性，这些因素模糊了特定OD对对观测到的交通流量的贡献。在玩具网络和真实世界高速公路子网络上的评估表明，校准性能得到了显著提高，与传统基线相比，均…
-
预期强化学习改进轨迹跟踪，但仿真到现实的差距依然存在
研究人员开发了一种名为预期强化学习（ARL）的新方法，以改进工业控制系统中的轨迹跟踪。该方法通过增加未来参考视界来扩展状态空间，旨在减少纯粹反应式深度强化学习（DRL）系统中常见的滞后和超调。虽然仿真显示误差显著减少了9倍，但将模型转移到物理硬件上时，暴露了仿真到现实的差距。有趣的是，具有单一前瞻视界的更简单的ARL配置，在现实世界的性能上与更复杂的模型相当，这表明对于有效的物理迁移来说，高度精细的预测数据并非总是必需的。
-
基于占用的新策略压缩方法提高了DRL的样本效率
研究人员推出了一种名为基于占用的策略压缩（OPC）的新方法，旨在提高深度强化学习（DRL）的样本效率。OPC通过将重点从即时动作匹配转移到长时域状态空间覆盖，解决了现有基于动作的策略压缩（APC）框架的局限性。关键的增强功能包括一个由信息论独特性度量引导的数据集生成过程和一个直接最小化真实占用分布与重建占用分布之间散度的可微分压缩目标。
-
新的SWRL框架利用强化学习增强动态装配调度
研究人员开发了一个名为SWRL（基于滑动窗口的强化学习）的新框架，以解决动态装配流水车间调度的复杂问题。该方法使用基于图的马尔可夫决策过程来模拟多产品套件交付，由于动态订单到达和作业分配的变化，这给实时调度带来了挑战。SWRL包含一个滑动窗口机制来过滤不相关的操作，一个时空图网络来跟踪瓶颈转移，以及一个动态动作模块来适应不断变化的动作空间。使用一家家电制造商的数据进行的实验表明，与传统方法和现有的深度强化学习技术相比，SWRL显著降低…
-
深度强化学习优化农场和仓库的电池管理
两篇新研究论文探讨了深度强化学习（DRL）在不同情境下优化电池管理的应用。一篇论文详细介绍了一个用于爱尔兰奶牛场的多智能体DRL系统，旨在通过优化电池用于能源套利来提高可再生能源整合并减少排放，显示出高达18%的潜在利润增长。另一篇论文则关注仓库中自主移动机器人的动态电池管理，使用近端策略优化（PPO）将订单完成率提高高达6%，并减少充电时间。
-
报告发现：到2026年，人工智能将主导60-75%的全球交易
一份报告预测，到2026年，人工智能将占全球交易量的60-75%，其中A股将占该交易量的36.8%。人工智能交易市场的规模估计为278亿美元，复合年增长率为13.6%，量化对冲基金管理的资产（AUM）约为1.5万亿美元。主要发展方向包括用于自主决策的深度强化学习、用于实时财经报告情感套利的大型语言模型+自然语言处理，以及用于因子挖掘的多模态另类数据集成。然而，报告也强调了模型同质化导致的闪崩和失控反馈循环等风险，以及来自美国证券交易委…
-
新的 PASE 框架使用 LLM 和神经符号模型进行自适应云修复
研究人员开发了 PASE，一个新颖的基于云的 AI 系统的自愈框架，该框架使用大型语言模型 (LLM) 作为核心计划合成引擎。该引擎从语义原语生成结构化恢复计划，然后通过神经符号世界模型的仿真进行可行性验证。一个通过深度强化学习训练的 Meta-Prompt Optimizer 优化了 LLM 的规划过程。这种集成方法将系统恢复时间显著缩短了 40% 以上，并提高了未知场景下的故障检测准确性，从而推进了自主系统管理。
-
新框架为深度强化学习提供神经元级别可解释性
研究人员开发了一个新的深度强化学习（DRL）模型解释框架，解决了阻碍关键应用信任度的不透明性问题。该方法自动将神经元激活与从语义谓词推导出的逻辑公式对齐，弥合了连续状态空间与符号推理之间的差距。通过将原始状态特征转化为可解释的原子概念并进行组合，该框架提供了对DRL代理决策模式的详细、神经元级别的洞察，符合人类直觉。
-
AI框架利用DRL和FL增强物联网安全性
研究人员开发了一个新颖的AI框架，通过智能选择合适的智能对象进行服务供应来增强物联网（IoT）的安全性。该系统利用深度强化学习（DRL）在安全约束下进行自适应服务选择，并利用联邦学习（FL）进行分布式行为监控。这种方法计算服务提供商的可靠性得分，确保选择同时考虑功能适用性和对安全协议的遵守情况，实验结果表明即使在资源受限的IoT设备上也能有效。
-
AI框架助力无人机在颠簸海况下实现100%着陆成功率
研究人员开发了一种新颖的框架，用于无人机（UAV）在海上平台上的自主着陆，解决了恶劣海况带来的挑战。该系统采用了两个独立的深度强化学习（DRL）代理：一个使用软Actor-Critic（SAC）进行着陆甲板的主动波浪补偿，另一个负责无人机的最终进近。模拟显示，即使在恶劣条件下，平台也能在1度以内保持水平稳定，着陆成功率达到100%。
-
深度强化学习提升航天器再入控制性能
研究人员探索了深度强化学习（RL）在航天器大气再入期间姿态控制中的应用。虽然最先进的RL方法在性能上可与传统的比例-积分-微分（PID）控制器相媲美，但其泛化能力有限。为解决此问题，该研究在训练过程中采用了动力学随机化，以提高控制器在质量、惯性张量和襟翼执行器带宽变化下的鲁棒性。与传统方法相比，由此产生的混合控制器在定义的运行包络内表现出更优越的性能和鲁棒性。
-
新的A3M框架增强了人工智能在重复拍卖中的竞价策略
研究人员开发了一个名为A3M的新框架，用于在具有奖励反馈的重复拍卖中优化竞价策略。该框架整合了自适应深度强化学习、对抗性推理和多目标奖励设计，以克服现有方法的局限性。A3M通过动态平衡探索与利用、建模非平稳对手以及联合最大化竞价者效用、拍卖师收入和公平性，旨在增强适应性和策略鲁棒性。实证评估表明，A3M显著降低了遗憾值，并在对抗策略变化时保持了稳健的性能。
-
新框架采用多智能体深度强化学习优化工业6G网络
研究人员开发了一个面向工业6G网络的新型框架，该框架整合了地面和非地面组件，包括无人机挂载的可重构智能表面（RIS）、地面无线电单元和高空平台（HAP）。该系统旨在改善在复杂环境中密集工业物联网设备的连接性。为应对优化数据速率、延迟和能耗的复杂性，采用了多智能体深度强化学习方法，并展示了相较于现有方法的显著改进。
-
新的人格训练蒙特卡洛方法通过AI机器人模拟市场结果
研究人员推出了一种新颖的人格训练蒙特卡洛（PTMC）方法，用于估计市场结果分布。PTMC利用在限价订单簿中交互的人格条件化神经网络策略机器人集群。每次模拟涉及多个共享单个训练策略网络但具有不同采样人格参数的机器人，从而产生作为蒙特卡洛样本的价格路径。通过纳入多样化的代理行为，该方法旨在比传统蒙特卡洛方法更有效地捕捉市场动态。
-
NASA部署深层强化学习进行航天器操作调度
研究人员开发了一个深层强化学习框架，用于优化NASA Carruthers Geocorona天文台任务的操作调度。该系统使用“活动块”抽象和动态动作掩码来管理功率和热限制等复杂约束，生成优于传统启发式方法的可用调度。该框架从任务开始时就作为默认调度器实现，证明了其在实时航天器操作中的可靠性以及在六小时内重新训练的能力。
-
论文提出框架，利用深度强化学习提升游戏AI · 跟踪2个来源
一篇新论文提出了一种通过整合深度强化学习来增强游戏AI的框架。作者们强调了当前手工编码系统在创建可信游戏角色方面面临的挑战，并建议机器学习，特别是强化学习，可以带来更真实、更像人类的行为。该论文概述了专门为游戏AI训练强化学习模型的要求，并讨论了实际部署的考虑因素，同时也指出了加速机器学习在视频游戏行业应用的未来研究方向。
-
OmniPlan框架使用LLM进行自适应网络规划优化
研究人员开发了OmniPlan，一个旨在优化网络规划的新型自适应框架。该框架利用大型语言模型来解释用户以自然语言表达的意图，并将其转化为可量化的偏好向量。然后，OmniPlan采用混合专家架构，整合求解器、启发式算法和深度强化学习模型，以动态选择最合适的专家，从而实现及时且近乎最优的结果。实验表明，OmniPlan能有效分载机器学习推理任务，显著降低延迟和资源消耗。