本文提出了一种结合贝叶斯优化和机器学习的自适应优化方法，旨在改进随机模型预测控制（MPC）的超参数调整和模型参数估计。研究表明，该方法在多种机器人任务中实现了更高的累积回报和稳定性，同时确保了安全性和鲁棒性。此外，通过动态模型和神经网络，优化了建筑能耗控制，提升了住户的舒适度。