强化学习（Reinforcement Learning, RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。
本专栏整理了近几年国际顶级会议中，涉及强化学习（Reinforcement Learning, RL）领域的论文。顶级会议包括但不限于：ICML、AAAI、IJCAI、NIPS、ICLR、AAMAS、CVPR、ICRA等。

今天给大家分享的是2018年IEEE世界机器人与自动化大会（IEEE InternationalConference on Robotics and Automation，简称IEEE ICRA）中涉及“强化学习”主题的论文。

IEEE国际机器人与自动化协会每年主办一次IEEE世界机器人与自动化大会（IEEE InternationalConference on Robotics and Automation，IEEE ICRA），IEEE ICRA是机器人领域规模（千人以上）和影响力都排名第一的顶级国际会议，是机器人领域权威研究人员介绍其研究成果的首要国际论坛。

• [1]. Rearrangement with Nonprehensile Manipulation Using Deep Reinforcement Le