本论文提出了一种创新的基于模型的离线增强学习算法CROP，通过引入保守性估计奖励的方法，实现保守的策略评估并帮助缓解分布偏移问题。CROP在D4RL基准测试中表现良好，建立了离线和在线增强学习之间的创新连接，突出了解决离线增强学习问题的可行性。