本文提出了一种统一框架，通过反向传播学习连续控制策略，支持随机控制。研究展示了从无模型到有模型的通用策略梯度算法，并在多个物理控制问题中验证了其有效性。同时，文章探讨了贝叶斯优化在过程系统设计中的应用进展及挑战，强调提高模型质量和样本效率的重要性。

本文提出了一种使用反向传播学习连续控制策略的统一框架，支持随机控制。该算法已应用于一个玩具随机控制问题和几个基于物理的控制问题。