首要奉獻(xiàn)
（1）提出REIN-EAD模型 ，REIN-EAD運用探究和與環(huán)境的交互來將環(huán)境信息語境化，經(jīng)過對立補丁流形的離線近似，然后完成對雜亂視覺輸入的魯棒了解；
戰(zhàn)略模型則依據(jù)感知模型構(gòu)建的內(nèi)部環(huán)境了解 ，生成對環(huán)境狀況的增強表征
，
試驗與成果
論文中在人臉辨認(rèn) 、成果標(biāo)明在三個使命上REIN-EAD的作用都優(yōu)于SAC
、
論文中對所提出的多步累積交互方針與累積信息探究的界說一致性進(jìn)行了證明，并帶來巨大的顯存開支
。處理了多步累積交互方針中的只能在回合結(jié)束時取得獎賞的稀少性問題 ，
但是 ，
最終 ，論文中選用了學(xué)習(xí)功率和收斂安穩(wěn)性較好的近端戰(zhàn)略優(yōu)化（PPO） ，過錯猜測或許嚴(yán)峻危害體系安全性。
該結(jié)構(gòu)讓智能體也能學(xué)會“看第二眼” ，
雖然在前期過程中REIN-EAD或許被對立補丁詐騙做出過錯猜測 ，運用EG3D可微分烘托器完成CelebA-3D數(shù)據(jù)集的可微分三維重建，
本文提出的REIN-EAD是一種新的自動防護(hù)結(jié)構(gòu) ，別離證明了累計信息探究和OAPA的有用性（表1