Evolution Gym是一个软性机器人设计和控制的benchmark，结合设计优化方法和深度强化学习技术，机器人展现出复杂的行为和设计。然而，目前的算法无法在最难的环境中找到成功的机器人，需要更高级的算法来探索高维度设计空间和进化智能机器人。

本研究提出了一种提高移动用户进行同时传输和反射的可重构智能表面（STAR-RIS）能量效率和公平性的方法。通过引入次表面分配变量来确定分配给每个用户的STAR-RIS元素的数量，并利用深度强化学习技术解决优化问题。实验结果表明，该方法能够在能量高效的条件下，为传输和反射空间中的所有用户实现相当高且近乎相等的数据速率。

本文介绍了一种基于最短路径的无人机设计，用于提升物联网设备数据的收集和资源分配。通过深度强化学习技术获取最优轨迹和吞吐量，实现无人机自主收集数据的目标，并提高总速率，减少资源使用。实验结果证实了该方案在效率、轨迹和时间等方面的优势。