經過約束戰略的巨細來完成安穩的戰略更新。

經過對各個組件的融化，

此外，

面向不確定性的獎賞塑形在每一步供給密布的獎賞，智能體不能直接拜訪狀況 ，人類視覺體系更為靈敏
 ，

關于強化學習骨干，

REIN-EAD運用探究和與環境的交互來將環境信息語境化，而是接納從調查函數 采樣的調查值
。2