1. 离散控制与连续控制的核心差异：需要理解离散控制和连续控制在动作空间的性质、决策逻辑、典型场景和策略输出形式上的本质差异。 2. DDPG算法的核心设计逻辑：采用了Actor-Critic架构分离“动作生成”与“价值评估”，并通过目标网络、经验回放等机制解决了连续控制中的训练稳定性问题。 3. DDPG的训练全流程：包括Ornstein-Uhlenbeck噪声探索、经验存储、Critic网络更新Q值、Actor网络沿梯度优化策略以及目标网络软更新等完整步骤。 4. DDPG的适用场景与优势：明确了DDPG在机器人控制、自动驾驶等连续动作任务中的落地价值，以及与传统离散控制算法、随机策略梯度算法的核心差异。 5. DDPG算法在实验验证中的表现：在经典控制任务和复杂的机器人控制任务中，DDPG算法展现出了强大的性能，为连续动作控制提供了坚实的基础。 6. DDPG算法的局限性：存在数据效率方面的局限性，需要大量训练样本才能学习到较好的策略，以及探索策略相对固定的问题。