SGPS结合采样式模型预测控制与一阶策略优化，修正局部最优接触模式。
推荐理由：可微仿真的一阶梯度虽省算力，却容易锁定错误接触方式；周期性用采样式MPC重设动作目标，相当于以全局探索校正局部梯度，兼顾训练成本与动作质量。
阅读原文