条件状态空间探索框架

作者提出了一种条件状态空间探索框架，在任务完成与内在信息寻求行为之间取得平衡。

本文方法没有采用通用的信息论度量，而是用新观测是否与历史状态记忆重复这一信号来构造奖励。

强实验结果表明，该方法显著改善了多轮环境中的策略学习，既缓解了无效动作问题，也抑制了重复循环。

该方法的通用性仍需在更多环境类型中验证。