多尺度表征与强化学习的结合正在成为复杂决策问题的新引擎，从分层规划、多粒度状态抽象到跨尺度动作分解，尺度感知建模与序贯试错学习的深度结合持续突破着传统RL在高维稀疏奖励任务上的样本效率与泛化瓶颈。
本文从近年顶会顶刊中整理了10篇该方向的最新前沿论文，正在做相关课题的伙伴可以直接下方领取论文及代码（部分包含），不管是快速搭baseline、找创新切口，还是跟最新技术趋势，都能省不少从零摸索的功夫。
长按识别下方二维码，回复【多尺度强化】
无偿领全部论文合集及项目代码
Adaptive Multi-Scale Bidirectional TD3 Algorithm for Layout Optimization of UAV–Base Station Coordination in Mountainous Areas
面向山区无人机–基站协同布局优化的自适应多尺度双向TD3算法
文章内容
本文针对山区6G部署中地形遮挡、无人机续航有限与用户动态分布三重矛盾，提出AMB-TD3算法。三项核心设计：动态权重适应机制DWAM依据环境复杂度与波动指数在线调整TD3与差分进化DE的决策权重；多时间尺度协作优化MTS-COM将目标分解为短、中、长期尺度，分别对应无人机机动与基站三维部署；双向信息交换通道BIEC建立expert buffer，实现TD3与DE间经验双向迁移。仿真显示AMB-TD3最佳信号覆盖率达98.094%，在覆盖率、能耗与解稳定性上显著优于Q-learning、PPO、DRL-based等基线。
From Pixels to Temporal Correlations: Learning Informative Representations for Reinforcement Learning Pre-training
从像素到时间相关：面向强化学习预训练的信息表征学习
文章内容
本文指出现有RL预训练方法（单步转移预测+图像重建）过度保留大占比静态像素，却忽略小而关键的动态元素，导致下游决策性能受限。作者提出将表征空间从像素域转换到时间相关域：利用运动速度在时间上天然可分的特性，构建多尺度时间相关空间。在此基础上设计两个互补对比目标——多尺度运动感知学习MML在不同时间尺度h上区分运动元素，静态外观感知学习SAL通过数据增强分离背景、颜色与纹理。在DMC Remastered、MetaWorld与CARLA上，该方法在样本效率与渐近性能上均超越DreamerV3、PreLAR、IPV等SOTA预训练方法。
Reinforcement Learning-Driven Framework for Robust Underwater Image Enhancement
强化学习驱动的鲁棒水下图像增强框架
文章内容
本文提出RL驱动的水下图像增强框架UWD-CWGR。基础管线串联白平衡、CLAHE、小波去噪、引导滤波与多尺度Retinex五个经典模块；智能体采用表格型Q-learning，以UIQM与UCIQE无参考质量指标的逐帧增量为奖励，在线调整CLAHE clip limit、gamma校正与Retinex尺度等参数，使管线在不同水况下自适应选择最优配置。在UIEB数据集上，RL优化后PSNR达11.23、UIQM达2.27，配对t检验显著优于固定参数基线（p<0.0001）；单图处理仅0.48秒，轻量可解释，适合水下机器人等资源受限嵌入式场景。
↓↓听说在下方一键三连的都Accept了🌝
