智能体用DRL挑选合适的种子，GAN的G生成点云，D判断并给出reward
评价:文中其实只是用DRL帮G挑选合适的生成点云的种子，也不是特别新颖创新的。但DRL确实跟各种其他框架结合可以。
（以下内容来自引用）
RL GAN Net，其中强化学习RL代理提供对生成对抗性网络GAN的快速且稳健的控制。
框架应用于点云形状完成，通过控制GAN将嘈杂的部分点云数据转换为高保真完成形状。虽然GAN不稳定且难以训练，但我们通过在潜在空间表示上训练GAN来避免问题，其中空间表示与原始点云输入相比减小;
2使用RL代理来查找到GAN的正确输入生成最适合当前不完整点云输入的形状的潜在空间表示。建议的管道可以完美地完成具有大量缺失区域的点云。
据我们所知，这是第一次尝试训练RL代理来控制GAN，这有效地学习了从GAN的输入噪声到点云的潜在空间的高度非线性映射。
RL代理取代了复杂优化的需要，从而使我们的技术实时化。
此外，我们证明我们的管道可用于提高缺少数据的点云的分类准确性。