MuZero似乎使用两种不同的方法将动作编码到 Atari 游戏的平面中：

1. 对于表示函数的输入动作，MuZero 将历史动作编码为简单的偏置平面，缩放为$a/18$， 在哪里$18$是 Atari 中有效动作的总数。（来自论文的附录 E）
2. 对于动态函数的输入动作，Muzero 将一个动作编码为一个单热向量，该向量被适当地平铺到平面中（来自论文的附录 F）

我不太确定如何使用“偏置平面”一词。

关于第二个，我的理解是，作为一个例子，对于行动$4$，我们首先应用 one-hot 编码，这给了我们一个长度为零的向量$18$有一个在$5$-th 位置（因为有$18$行动）。然后我们平铺它并得到一个长度为零的向量$36$，其中的$5$-th 和$23$-rd 职位。最后，这个向量被重新整形为$6\times 6$飞机如下：

$$0, 0, 0, 0, 1, 0\\ 0, 0, 0, 0, 0, 0\\ 0, 0, 0, 0, 0, 0\\ 0, 0, 0, 0, 1, 0\\ 0, 0, 0, 0, 0, 0\\ 0, 0, 0, 0, 0, 0$$