本文提出了一种新颖的自引导模型预测控制算法（BMPC），有效解决了无模型学习策略和价值估计不准确的问题。BMPC通过模仿专家和结合时序差分学习，显著提升了控制效率和数据效率，尤其在高维运动任务中表现突出。

本研究提出了一种基于半马尔可夫奖励过程的时序差分学习框架，旨在解决高方差问题，从而更可靠地预测长期患者结果。