QSO 新方法直击 HRL 痛点：保留控制信息又支持经验聚合

QSO 是一种面向 HRL 的新方法，试图保留控制所需信息并支持经验聚合，解决现有 HRL 算法在 credit assignment 与可迁移性上的脱节。迷宫环境可视化中，QSO 学到的 option 按动作方向聚成清晰簇，白化 option 距离矩阵呈规整块状结构。HIQL、OPAL、SHARSA/DSHARSA/ASO 等基线的 option 分布混杂、区分度弱。