DDPG 相关 AI 资讯

7月8日

10:16

官方账号arXiv cs.LG@Mohammadreza Kasaei, Klemen Voncina, Hamidreza Kasaei

该论文研究机器人在多障碍物环境中安全投掷物体到目标篮筐的问题。现有方法如TossingBot假设无障碍环境，而本工作引入势场状态表示（PFR），以固定网格编码篮筐吸引和障碍排斥，使强化学习策略能泛化到任意障碍数量与配置。在仿真中使用SAC、DDPG、TD3三种算法训练，其中SAC表现最稳定。真实实验中，对未见过的可投掷物体取得了高达90%的成功率，验证了PFR的鲁棒性和实用性。

论文 SAC DDPG TD3 TossingBot 机器人

推荐理由：这篇论文教机器人怎么在乱堆东西的桌面上把物体扔进篮筐，用势场表示结合SAC算法，真实实验成功率90%，比TossingBot强不少。

原文

6月18日

10:03

官方账号arXiv cs.LG@Hugo O. Garcés, Alejandro J. Rojas, Bernardo A. Hernández, Andrés Escalona, Jonathan M. Palma, Md. Rezwan Parvez, Bhushan Gopaluni, Sirish L. Shah

该论文在非线性系统上比较了无模型控制器在虚假数据注入和拒绝服务攻击下的性能，分析了四种RL奖励类型（Lyapunov、指数、渐进、线性）的准确率、成本和弹性。结果显示Lyapunov奖励以低跟踪误差实现了最佳弹性，指数模式在中等训练条件下提供良好折衷，渐进和线性奖励收敛更快但鲁棒性较差。RL-MPC模型表现出强稳态弹性但需更长训练时间，RL-PID控制器训练时间显著缩短。PPO相比DDPG显著降低了KPI方差。

论文 PPO DDPG Lyapunov奖励强化学习信息物理系统安全

推荐理由：这篇论文对比了四种强化学习奖励函数在抵御网络攻击时的表现，发现Lyapunov奖励弹性最好，PPO比DDPG方差更低，做控制器设计可以拿来参考。

原文

5月15日

10:00

官方账号arXiv cs.AI@Lata B T, Savitha N J

该研究提出使用深度确定性策略梯度（DDPG）深度学习算法来改进犯罪调查中的嫌疑人识别。传统方法依赖有限数据分析，易产生误报和漏报。DDPG模型通过训练犯罪现场材料、证人陈述和嫌疑人档案等复杂数据集，最大化识别罪犯的可能性，同时减少噪声和无关数据的影响。实验结果显示，该方法在识别罪犯时准确率高达95%，优于现有多种方法。

论文 DDPG 深度学习犯罪识别刑侦AI 准确率95%

推荐理由：这项研究为刑侦领域提供了AI驱动的精准识别方案，做犯罪数据分析或公共安全研究的团队值得关注，能显著降低误判率。

原文