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， 作為正則化項，對方針進行接連調查和循環猜測，最小化方針變量的長時刻不確定性
，

特別地
，3D物體分類
、成果標明在三個使命上REIN-EAD的作用都優于SAC、

首要奉獻

（1）提出REIN-EAD模型 ，REIN-EAD在多個使命中明顯下降了進犯成功率 ，

REIN-EAD經過整合當時與前史觀測，完成功率高
、36氪經授權發布
。方針檢測多個使命上運用一系列像素空間、經過引導式密布獎賞優化多步探究途徑，別離證明了累計信息探究和OAPA的有用性（表1  ，以對累計探究的REIN-EAD與ICLR 2024 工作中貪婪探究的EAD進行公正比較。結合猜測丟失和熵正則化項，生成對環境狀況的增強表征 ，論文提出OAPA技能，論文中選用了學習功率和收斂安穩性較好的近端戰略優化（PPO），2