ICM方法，全稱Intrinsic Curiosity Module，是一種鼓勵探索的機制，旨在通過將觀察特徵映射到高維的連續狀態空間，專注於探索那些對智慧型體有影響的特徵空間。ICM的主要貢獻在於基於agent對環境的預測誤差來設計內在獎勵信號，該獎勵信號可以擴展到高維連續狀態空間，如圖像，同時能夠自動忽視不影響agent行為的環境變化。ICM通過引入三個神經網路模型來實現其目標：Encoder（編碼器）、Inverse dynamics model（逆向模型）和Forward dynamics model（前向模型）。這些模型共同作用，使智慧型體能夠有效地探索未知狀態空間，同時避免探索無關事物的影響。