该文章介绍了一种基于模型的强化学习算法，使用非线性常微分方程来表示连续时间动力学。研究表明，在连续时间下，测量选择策略的重要性显现出来。作者提出了一种自适应的、数据依赖的实际测量选择策略，能够在明显更少的样本下达到次线性的后悔。