本研究分析了Q学习在连续环境中的不稳定性，指出即使在简单基准测试中，Q学习也可能存在固有的不适定性，这影响了其作为强化学习通用解决方案的可靠性。

该研究开发了一个语言引导的导航任务，通过执行低级动作来遵循自然语言导航方向，消除了以前关于环境的假设。研究发现，在连续三维环境中的性能明显较低，表明以前的导航-图形设定中的性能可能被过高评价了。

该研究开发了一个语言引导的导航任务，通过执行低级动作来遵循自然语言导航方向，消除了以前关于环境的假设。研究发现，在连续环境中的性能较低，表明以前的“导航-图形”设定中的性能可能被过高评价了。

该研究开发了一个语言引导的导航任务，消除了以前关于环境的假设。通过模拟以前的工作并进行单模态基线测试，发现在连续环境中的性能明显较低，表明以前的“导航-图形”设定中的性能可能被过高评价。