Model-Based Reinforcement Learning（基于模型的强化学习）

基于模型的强化学习（MBRL）通过与环境交互学习动态模型，然后利用该模型进行规划（如MPC）或生成虚拟经验来训练策略，从而提高样本效率。经典算法包括Dyna、PILCO、Dreamer等。MBRL在机器人控制、游戏AI中表现突出，但面临模型偏差和规划计算复杂度等挑战。