複雑なタスクの系列を解く能力——転移学習を活用しつつ、カタストロフィックフォーリング（catastrophic forgetting）を回避する——は、人間レベルの知能を達成する上で重要な障壁となっています。進行型ネットワークアプローチはこの方向への一歩を表しており、忘却に免疫を持ち、以前に学習した特徴への横方向の接続を通じて既存の知識を利用することができます。本研究では、このアーキテクチャを広範な強化学習タスク（Atariゲームと3D迷路ゲーム）で詳細に評価し、事前学習と微調整に基づく一般的なベースラインよりも優れた性能を示しています。新しい感度測定法を使用して、転移が学習された方策の低レベルの感覚層と高レベルの制御層双方で起こることを実証しました。