Trong bài báo này, chúng tôi đề xuất mô hình Phân tách Ngầm Tiềm ẩn Liên kết (ALDA), lấy cảm hứng từ những tiến bộ gần đây trong khoa học thần kinh tính toán, để giải quyết vấn đề khái quát hóa của các tác nhân học tăng cường dựa trên thị giác trong các môi trường mới. ALDA được xây dựng dựa trên học tăng cường ngoài chính sách tiêu chuẩn và kết hợp phân tách ngầm tiềm ẩn với mô hình bộ nhớ liên kết để đạt được khái quát hóa không cần chỉnh sửa cho các biến thể nhiệm vụ khó mà không cần dựa vào tăng cường dữ liệu. Hơn nữa, chúng tôi chính thức chứng minh rằng tăng cường dữ liệu là một dạng phân tách yếu và thảo luận về các hàm ý của nó.
