Option框架作为分层强化学习的一种常用时序抽象方法，允许智能体在不同的时间尺度上学习策略，可以有效解决稀疏奖励问题.为了保证Option可以引导智能体访问更多的状态空间，一些方法通过引入基于互信息的内部奖励和终止函数来提升Option内部策略的多...