Để Khắc phục những hạn chế của các thuật toán Chất lượng-Đa dạng hiện có, bài báo này đề xuất Vector Quantized-Elites (VQ-Elites), một thuật toán học không giám sát mới dựa trên nền tảng học tập. VQ-Elites sử dụng Vector Quantized Variational Autoencoders để tự động tạo lưới không gian hành động mà không cần kiến thức nhiệm vụ trước đó. Không giống như các phương pháp hiện có, VQ-Elites tạo ra các lưới không gian hành động có cấu trúc, tăng cường tính linh hoạt và khả năng ứng dụng. Hơn nữa, chúng tôi cải thiện hiệu suất thuật toán bằng cách giới thiệu các ranh giới không gian hành động và cơ chế cộng tác. Chúng tôi cũng đề xuất các số liệu mới, Tỷ lệ Đa dạng Hiệu quả và Điểm Đa dạng Phủ sóng, để định lượng tính đa dạng trong môi trường học tập không giám sát. Kết quả thực nghiệm trên các nhiệm vụ như điều khiển tư thế cánh tay robot, khám phá không gian robot di động và điều hướng MiniGrid chứng minh hiệu quả, khả năng thích ứng, khả năng mở rộng và tính mạnh mẽ đối với các siêu tham số của VQ-Elites.
