Sampled EfficientZero（包括 Factored/Gaussian 2种策略表征方法）在5个连续动作空间环境（Pendulum-v1，LunarLanderContinuous-v2，BipedalWalker-v3，Hopper-v3和 Walker2d-v3）上的基线结果： 其中 Factored Policy ...