本文提出了一种好奇心扩散器，旨在解决机器人智能中神经网络模型的不稳定性和收敛性问题，从而降低实际应用中的安全风险。该方法通过随机网络蒸馏模块评估模型行为与训练数据的一致性，显著提升了任务性能。