擠壓高斯策略（squashed Gaussian policy）

真實致動器都有極限——馬達會飽和、方向盤會打到底——所以連續策略必須輸出落在有界框內的動作，譬如介於 −1 到 1。作為隨機連續策略最自然選擇的純高斯，卻有無窮長的尾巴，會樂呵呵地提出遠超任何極限的動作。擠壓高斯的修法是：先從高斯抽樣，再把樣本送過一個 tanh 函數，把整條實數線溫和地彎進開區間 (−1, 1)。

於是策略先產生一個無界樣本 u = μ_θ(s) + σ_θ(s)·ε，動作則是 a = tanh(u)。這在構造上就保證每個動作合法，同時保持可微分，因此能與重參數化梯度完美搭配。有一筆帳要記：擠壓會改變機率密度，所以熵項用到的對數機率需要一個修正項，也就是 tanh 導數的對數行列式——很容易漏掉，是微妙 bug 的經典來源。

這是柔性演員–評論家內部的預設策略類別，也是連續控制裡常見的選擇。它一次撮合三個需求：用於探索與熵的隨機策略、對動作界限的遵守、以及供低變異數學習的平滑可微分路徑。tanh 確實有個缺點——靠近邊緣時的飽和會把梯度壓平——這也把它連到了動作飽和這個陷阱。