لقد ساهم التوسع في التعلم ذاتي التوجيه في تحقيق تقدم كبير في مجالات اللغة والرؤية الحاسوبية، غير أن تقدمًا مماثلًا ظل متأخرًا في مجال التعلم التعلُّمي التكراري (RL). في هذا البحث، نستعرض المكونات الأساسية لبناء نماذج تعلُّم تعلُّمي تكراري ذاتي التوجيه، والتي تُمكّن من تحسين كبير في قابلية التوسع، حيث يُعد عمق الشبكة عاملًا حاسمًا. في حين اعتمدت معظم الدراسات الحديثة في مجال التعلم التعلُّمي التكراري على هياكل شبه سطحية (تتراوح بين 2 إلى 5 طبقات)، نُظهر أن زيادة العمق إلى ما يصل إلى 1024 طبقة يمكن أن تُحدث تحسينًا ملحوظًا في الأداء. تُجرى تجاربنا في بيئة مُعَلَّمَة دون توجيه (Unsupervised Goal-Conditioned)، حيث لا تُقدَّم أي توضيحات أو مكافآت، مما يُجبر الوكيل على الاستكشاف من الصفر، وتعلم كيفية تعظيم احتمالية الوصول إلى الأهداف المطلوبة. عند تقييم الأداء على مهام محاكاة للحركة والتحريك، يُظهر نهجنا تحسنًا في الأداء بنسبة تتراوح بين 2 إلى 50 مرة مقارنةً بالخوارزمية التكرارية ذاتية التوجيه القائمة على التمييز، ويتفوق على جميع النماذج الأخرى المُعتمدة على الأهداف. كما أن زيادة عمق النموذج لا ترفع فقط من معدلات النجاح، بل تُحدث أيضًا تغييرات نوعية في السلوك الذي يتعلمه النظام.