用于天文学调度优化问题的强化学习算法，在模拟数据集上经过多次改进和调整后，显示出很高的性能，对于特定的天文学挑战，这是第一次对离线强化学习算法进行比较和评估的研究。

Nov, 2023

本文探讨了通过机器学习实现观察学习的可行性及其机理，证明基于纯强化学习算法，结合记忆，智能体可以从观察到的任务效果中获取充分的信息，实现类似于社交学习等高级学习技能。

Jun, 2017

通过实施和适应一种名为 AO 的 RL 方法（PO4AO），我们在 ESO 总部的 GHOST 测试台上展示了这种方法在实验室环境中的强大性能，该实验允许与推理并行进行训练，对于天空操作至关重要。

Dec, 2023

本论文从计算机科学的角度调查了强化学习领域，包括历史、现状和实践应用等方面，并重点探讨了强化学习中的中心问题，如平衡探索和利用、马尔可夫决策理论、延迟强化学习等。

May, 1996

此项研究探讨了使用深度强化学习对月球上基于视觉的机械臂进行抓取操作的智能化控制，通过虚拟环境的数据训练及域随机化技术，实现零样本迁移并成功验证实际机器人在类月环境中的操作效果。

Aug, 2022

本文主要介绍了天文学中大数据和机器学习的应用，重点讲解了监督机器学习和无监督机器学习两种算法，包括数据预处理、评估方法、支持向量机、随机森林、浅层神经网络、聚类分析、降维、可视化和异常检测等方面，旨在提高天文学家使用这些工具从海量数据中挖掘新知识的能力。

Apr, 2019

该论文研究了使用强化学习的方法来优化低推力卫星的轨迹设计和自主控制。研究表明这种方法可以学习出几乎最优的引导定律，并且对环境动态的不确定性有很好的适应性。

Oct, 2022

本文旨在介绍强化学习在机器人自主行动和控制方面的应用，同时关注问题的关键挑战和未来研究方向。

Oct, 2022

本文介绍了一种基于强化学习的优化策略方法，利用过去的执行观察来学习最佳决策，并以关键绩效指标优化为目标，从而为用户提供最好的活动推荐。

Mar, 2022

该论文研究了使用离散动作空间，以及探索选择提供给智能体数量对其在训练期间和之后的表现的影响，针对检查任务和停靠任务的需求。结果显示对于检查任务，有限数量的离散选择导致最佳性能，而对于停靠任务，连续控制导致最佳性能。

May, 2024