17万篇论文绘成强化学习文献地图：深度RL与机器人是最大子领域

CatAstro_Piyush · x · 2026-10-18

一张基于 171,250 篇研究的强化学习领域全景地图，覆盖 2011–2025 年文献。图中将领域切分为 11 个主要子群：深度强化学习与机器人（42,337 篇，最大）、无线网络 RL（26,048）、RL 基础理论（20,109）、奖励学习的神经科学基础（11,825）等，另有约 19,305 篇未明确归群。

高被引作者榜：Sergey Levine（领域内 h 指数 51，近作包括 Intention-Conditioned Flow Occupancy Models）、Pieter Abbeel（h=44，近期为 SkillBlender 人形全身操控工作）、Richard Sutton、David Silver、Frank Lewis 等。地图还提供 Core/Overview/Rising/Experts 等阅读入口，以及领域高频术语词云（deep reinforcement learning、policy、reward 等）。