入选ICLR‘25 Spotlight！深度强化学习(DRL)迎来新突破！

近年来，深度强化学习相关的成果在顶会顶刊上接受度普遍较高，经常上榜ICLR、Nature、Science等。比如ICLR 2025上的一篇Spotlight，由清华团队提出，介绍了一种SmODE网路，让深度强化学习的控制更加丝滑！

另外还有复旦、同济等联合提出的全新社区布局生成方法，也是基于深度强化学习...从这些成果来看，目前关于深度强化学习的研究多围绕应用、算法自身改进，以及与其他技术结合，尤其是结合注意力机制、GNN等，因为可以明显提升算法性能，已经成了顶会的大热选题。

如果想深入挖掘，除了以上这些角度，也可以考虑伦理与安全研究，比如公平性、隐私保护，更贴合社会需求。如果需要参考，可直接拿我整理的11篇深度强化学习新论文，代码基本有，无偿分享。

全部论文+开源代码需要的同学看文末

ODE-based Smoothing Neural Network for Reinforcement Learning Tasks

方法：论文提出了一种基于ODE的平滑神经网络（SmODE），用于深度强化学习任务，以解决控制动作不平滑的问题。SmODE通过低通滤波结构和可学习的状态依赖函数来抑制动作波动，并兼容多种强化学习算法。实验证明其在抗干扰和动作平滑性方面优于传统网络架构。

创新点：

• 提出了一种基于常微分方程的平滑神经元，能够动态过滤高频噪声并控制神经元的Lipschitz常数。

• 构建了SmODE网络，该网络包含输入模块、平滑ODE模块和输出模块，适用于多种强化学习算法。

• 在车辆轨迹跟踪、线性二次调节器和Mujoco机器人控制任务中验证了SmODE网络的优越性能。

Deep reinforcement learning for community architectural layout generation

方法：论文提出了一种基于深度强化学习的方法，通过多智能体协作和课程学习策略，优化社区建筑布局的生成。该方法利用智能体动态调整建筑位置，并通过奖励函数引导布局的美观性和合理性，显著优于传统方法和其他基线方法。

创新点：

• 提出了一种基于深度强化学习的多智能体方法，用于社区建筑布局生成，能够动态调整建筑位置以优化整体布局。

• 引入课程学习策略，分阶段引导智能体训练，帮助平衡多个设计目标，提升模型性能。

• 设计了一个智能体序列生成器，优化智能体的动作顺序，提高在大规模复杂环境中的探索效率。

Learning agile soccer skills for a bipedal robot with deep reinforcement learning

science子刊（一区）

方法：论文使用深度强化学习训练微型仿人机器人踢足球，通过两阶段训练（先分别学习基础技能，再整合到一起），并结合模拟训练和零样本迁移，让机器人在现实环境中展现出优于传统控制器的敏捷运动技能。

创新点：

• 采用两阶段训练，先分别学习起身和进球技能，再通过自我对弈整合技能。

• 实现了从模拟到现实机器人的零样本迁移，让机器人在现实环境中表现良好。

• 机器人在关键行为上优于传统基线控制器，展现出更高的运动效率和适应性。

Task Delay and Energy Consumption Minimization for Low-altitude MEC via Evolutionary Multi-objective Deep Reinforcement Learning

方法：本文提出了一种基于进化多目标深度强化学习的方法，用于优化低空无人机辅助移动边缘计算系统中的任务延迟和能耗。通过将问题建模为多目标马尔可夫决策过程，并结合模拟退火算法简化任务调度，再利用进化多目标DRL框架和目标分布学习算法，动态调整权重并优化策略，最终实现了稳定的Pareto最优解。

创新点：

• 提出进化多目标深度强化学习框架，解决无人机辅助MEC中的任务延迟和能耗问题。

• 使用模拟退火算法简化任务调度，将其转化为有效的MOMDP，降低问题复杂度。

• 结合目标分布学习优化策略更新，提高算法的稳定性和收敛性能。

关注下方《学姐带你玩AI》🚀🚀🚀

回复“222”获取全部方案+开源代码

码字不易，欢迎大家点赞评论收藏