在线规划离线学习：基于模型控制的高效探索方法

OpenAI 提出一种结合在线规划与离线学习的强化学习方法，通过基于模型的控制实现高效探索。该方法在训练过程中利用在线规划进行数据收集，同时离线学习策略或价值函数，从而在样本效率和性能之间取得平衡。实验表明，该方法在多个连续控制任务上优于纯模型无关或纯基于模型的方法，尤其在高维状态空间中展现出更好的探索效率。