卷积神经网络 (cnn) 用于强化学习，以处理和提取高维输入 (如图像或视频帧) 的特征。当环境表示为原始像素数据时，它们特别有用，因为cnn可以自动检测边缘，纹理和形状等图案，而无需手动提取特征。
在深度强化学习中，cnn通常用作值函数或策略的函数逼近器。例如，在深度Q学习 (DQN) 中，CNN处理原始像素输入 (例如来自视频游戏) 并为每个可能的动作生成q值，从而允许代理基于视觉输入选择最佳动作。
Cnn使强化学习模型能够执行诸如玩视频游戏 (例如Atari游戏)，机器人控制和自动驾驶之类的任务，其中需要有效地处理原始传感数据以进行决策。