生成式 AI 用于深度强化学习：框架、分析与用例
机器学习
2025-02-18 v2 网络与互联网体系结构
摘要
作为一种基于交互式学习的人工智能 (AI) 技术，深度强化学习 (DRL) 已在 various fields 中得到广泛应用并取得了显著的成就。然而，DRL 面临着低样本效率和poor generalization 等局限。因此，本文提出如何利用生成式 AI (GAI) 来解决上述问题并提升 DRL 算法性能。我们首先介绍几种经典的 GAI 和 DRL 算法并演示 GAI 增强型 DRL 算法的应用。随后，我们讨论如何从数据和策略两个角度使用 GAI 改进 DRL 算法。随后，我们介绍一个展示实际和新颖的 GAI 与 DRL 集成框架，即 GAI 增强型 DRL。此外，我们在 UAV 辅助集成近场/远场通信中对该框架进行了案例研究，以验证所提出框架的性能。最后，我们提出了几个未来方向。相关代码可在 https://xiewenwen22.github.io/GAI-enhanced-DRL 获取。
引用
@article{arxiv.2405.20568,
title = {Generative AI for Deep Reinforcement Learning: Framework, Analysis, and Use Cases},
author = {Geng Sun and Wenwen Xie and Dusit Niyato and Fang Mei and Jiawen Kang and Hongyang Du and Shiwen Mao},
journal= {arXiv preprint arXiv:2405.20568},
year = {2025}
}