模型的 输出量 最小化 驾驶的 梯度 适应性 控制策略 神经网络 离线 增强 控制任务 模型 体系结构 性能比较 有限的 学习策略 步骤 空间的 学习控制 空间 研究 PID 控制器 策略 机器人 学习的 离散状态 频率 频率的 不确定性 学习 策略的 预测 计划