简介： 包括编码在计算机存储介质上的计算机程序的方法、系统和装置，用于训练强化学习系统的环境表示神经网络控制代理以执行给定的任务。在一个方面，该方法包括：接收当前观察输入和未来观察输入；从未来观察输入生成环境的未来状态的未来潜在表示；使用环境表示神经网络进行处理，以生成环境的当前状态的当前内部表示；从当前内部表示生成预测的未来潜在表示；评估测量未来潜在表示与预测的未来潜在表示之间的差异的目标函数；以及基于所确定的目标函数的梯度来确定对环境表示参数的当前值的更新。