而后依据《反垄断法》第48条、49条作出处罚决定。

　　相比于马斯克的「太空卫星」，Alpbet则把通信业务的核心放在了「高空气球」上。

　　具体来说，用「高空气球」实现地面通信的过程如下：当气球上升到高空平流层后（超过云层12英里高，利用“太阳能技术”吸收能量以作为电力支持，然后通过“算法系统控制（AlgorithmicControl”让气球上下飘动，并根据风向捕捉风流信号，将气球稳定在一个固定区域。

　　最后通过“网状回路（MeshNetworking技术”，将互联网数据包从一个气球传输至另一个气球；从气球传输至在屋顶建立天线的家庭和企业用户；最后将这些用户的数据传输出去。

　　这一过程中，如果气球在平流层飞行的时间越长，意味着Loon越可以在较低成本下为目标区域提供更长久的连通性，这也意味着互联网服务将不仅可以覆盖到更偏远的地区，而且它的价格也会更便宜。

　　在近几年的飞行测试中，Loon的平流层飞行时长不断刷新着世界纪录，目前最高成绩已经达到312天，接近一整年。

　　这项最高飞行纪录开始于2019年5月，Loon从波多黎各（PuertoRico起飞，进入秘鲁（Peru，然后在那里进行为期三个月的飞行测试。测试结束后，向南越过太平洋，于今年3月在墨西哥的巴哈（Baja登录。

　　这项记录刷新了当时223天的最高记录，Loon首席技术官SalCandido在博客中表示，创纪录的飞行成绩是该公司努力发展技术，并以创新的方式推动硬件和软件向不断升级的结果。

　　当时Loon的软件系统还并未引入RL。

　　目前，Loon已经在澳大利亚、昆士兰、肯尼亚、新西兰、加州中央峡谷以及巴西利亚东北部等多个地区提供了Loon测试服务。去年，因受到飓风袭击的影响，美国电信运营商还利用ProjectLoon为超过25万的灾民提供了网络连接。

　　不过，在以上服务过程中，Loon的平流层导航问题依然面临很大的挑战。

　　此次，基于RL系统的提出为解决当前的挑战提供了一种全新的解决方案，与原有的气球导航系统相比，RL算法改善了飞行过程中的决策时间问题。

　　谷歌加拿大公司的研究科学家、论文一作马克·贝勒马尔（MarcBellemare表示，通过强化学习，我们可以根据数据决定该如何操作，AI不仅可以做出决策，而且可以根据移动的时间做出实时决策。

　　Loon：强化学习飞行控制器

　　

　　如果在一个区域提供完全的网络覆盖，Loon一次至少要运行5到10个气球。如果覆盖范围扩大，需要调用周围的备用气球，在空中组建一个更大的网状网络。