本研究提出逐步语义分割（PSS）方法，以解决自主驾驶在恶劣驾驶条件下的语义分割性能下降问题。该方法通过动态增长的领域特定模型集合，避免了传统方法的灾难性遗忘。实验结果表明，PSS在不同数据集上具有优越的泛化能力，显著提升了恶劣天气和光照条件下的分割效果。

该研究使用深度神经网络同时学习模型和策略，提出使用模型集合来维护模型的不确定性并规范学习过程。通过使用“likelihood ratio”导数，可以获得更加稳定的学习。该方法在连续控制基准任务中，显著减少了比基于模型的深度RL方法所需的样本数量。