本文介绍了一种名为质量-多样性演员-评论家（QDAC）的深度强化学习算法，旨在解决复杂的连续控制任务。QDAC通过优化两个评论家，最大化回报并执行多样化技能，表现出显著的性能提升和适应能力，优于其他方法，展示了广泛的应用潜力。

该研究使用分布式学习实现机器人舰队在不同环境中获得多样化技能，并成功在Meta-World环境中合并50个任务的策略。