方針檢測多個使命上運用一系列像素空間
、然后有戰略地引導視覺體系履行方針驅動的自動感知使命
。并經過強化學習范式消除了對可微環境建模的依靠 
，

（3）提出離線對立補丁近似技能（OAPA），

為了進一步消除對可微分練習環境的依靠并下降梯度優化的不安穩性，生成對環境狀況的增強表征  ，

試驗與成果

論文中在人臉辨認、黑盒、一起堅持了模型規范精度  ，并改善其對方針目標的了解。該模型經過循環結構充分運用與環境交互取得的序列信息