本研究采用分布式角度的强化学习来适用于连续控制环境，提出了分布式分布式深度确定策略梯度算法 D4PG，结合了 N 步回报和优先经验回放等简单改进。实验结果表明，在各种控制任务、难以操作的任务和一组基于障碍的定位任务中，D4PG 算法均实现了最先进的性能。

Apr, 2018

本论文提出了一种基于分布式深度学习的多智能体 Actor-Critic 学习算法，应用于 Markov 博弈，能够在训练和部署中实现完全分布式，具有一定的实用价值。

Jan, 2022

本研究使用深度学习和强化学习方法解决机器人的熟练操作任务，同样使用了 DDPG 算法来扩展其功能以实现更高效的数据利用与可伸缩性，成功地使用现实世界的抓取和叠放机器人的交互数据训练出其掌握复杂熟练操作技能的有效策略模型。

Apr, 2017

本文提出了一种将 Goal Exploration Process 和 DDPG 算法结合的 GEP-PG 算法，该算法在涉及到探索的环境中比 DDPG 算法表现更佳，而在采用梯度下降优化策略时仍然保持高效。在低维迷惑奖励问题和更大的 Half-Cheetah 基准测试中，我们研究了这些组件及其组合的学习性能。

Feb, 2018

提出一种使用异步梯度下降法优化深度神经网络控制器的深度强化学习框架，演示了四种标准强化学习算法的异步变体，并表明并行 actor-learner 对训练具有稳定作用。其中最佳表现的方法，即 actor-critic 的异步变体，在 Atari 领域超越了现有的最佳表现，并且仅在单个多核 CPU 上训练一半的时间而不是 GPU。此外，还演示了异步 actor-critic 成功处理了各种连续运动控制问题以及使用视觉输入导航随机 3D 迷宫的新任务。

Feb, 2016

提出了一种名为动态经验重放（DER）的新技术，它允许强化学习算法不仅使用人类示范的经验重放样本，还使用训练期间由 RL 代理生成的成功转移，因此提高了训练效率，并演示了该方法在机器人紧密配合关节装配任务上的应用。在两项不同的任务中进行实验，并比较不同的重放缓冲区结构和 DER 在其中的影响。

Mar, 2020

本文提出了一种新的批量约束强化学习算法，该算法可以从任意固定批量数据中有效学习，为解决强化学习中的一些关键问题提供可能性。

Dec, 2018

本文提出了一种深度强化学习代理 —— 神经记忆控制器，该代理能够快速地接受和处理新经验并表现出针对这些经验的行为，并使用半表格化价值函数表示：包含缓慢变化状态表示和快速更新价值函数估计的过去经验缓冲区。研究表明，与其他最先进的通用型深度强化学习代理相比，该代理在各种环境中学习速度明显更快。

Mar, 2017

该研究论文提出了一种基于 `meta-policy gradient` 算法的自适应学习方法，可用于解决现有基于添加噪声的探索方法仅能探索接近 actor 策略的局部区域的问题，从而实现独立于 actor 策略的全局探索，而这对各种强化学习任务的样本效率都有相当大的提升。

Mar, 2018

本文提出了一种基于深度增强学习和动态规划的算法 Finite-Horizon-DDPG-SS，用于解决车队中车辆跟随控制问题，通过真实驾驶数据的仿真验证了该算法的有效性，并且能够提高车队的安全性和稳定性。

Jun, 2022