本研究提出观察约束马尔可夫决策过程（OCMDP），旨在解决高成本观察环境中的决策问题。通过无模型深度强化学习算法，分离观察与控制组件，有效降低观察成本。实验结果表明，该模型在模拟诊断和实际医疗中显著提高了效率。
完成下面两步后，将自动完成登录并继续当前操作。
