इस पत्र में, हम अनुक्रम सुदृढीकरण अधिगम (SRL) नामक एक नवीन सुदृढीकरण अधिगम एल्गोरिथ्म प्रस्तुत करते हैं। SRL को किसी दिए गए इनपुट अवस्था के लिए क्रियाओं का एक क्रम उत्पन्न करने के लिए डिज़ाइन किया गया है, जिससे कम निर्णय आवृत्तियों पर भी प्रभावी नियंत्रण संभव होता है। हम विभिन्न समय पैमानों पर मॉडल और क्रिया-आलोचक आर्किटेक्चर का उपयोग करके क्रिया अनुक्रमों को सीखने की कठिनाई का समाधान करते हैं। विशेष रूप से, हम एक "टेम्पोरल रीप्ले" तंत्र का प्रस्ताव करते हैं जिसमें आलोचक मूल क्रियाओं के बीच मध्यवर्ती अवस्थाओं का अनुमान लगाने के लिए मॉडल का उपयोग करता है, और अनुक्रम में प्रत्येक क्रिया के लिए अधिगम संकेत प्रदान करता है। अधिगम पूरा होने के बाद, क्रिया जनरेटर मॉडल से स्वतंत्र रूप से क्रिया अनुक्रम उत्पन्न करता है, जिससे निम्न आवृत्तियों पर मॉडल-मुक्त नियंत्रण प्राप्त होता है। विभिन्न निर्णय आवृत्तियों पर प्रदर्शन का बेहतर मूल्यांकन करने के लिए, हम आवृत्ति-औसत स्कोर (FAS) मीट्रिक प्रस्तुत करते हैं, और सतत नियंत्रण कार्यों में मौजूदा एल्गोरिदम पर SRL की श्रेष्ठता प्रदर्शित करते हैं।
