分层强化学习

分层强化学习把策略拆成多层，高层输出抽象意图或子目标，低层负责具体执行，用于缓解长时程任务中动作空间过大、探索稀疏的问题，但各层需要各自的信用分配信号，训练比单层策略更不稳定。