本研究提出OHIO框架，通过逆优化从静态离线数据中恢复不可见的高层动作，解决高维动作空间和稀疏奖励下的层次策略学习挑战。实验表明，该方法在机器人和网络优化问题上优于传统强化学习，提高了系统的鲁棒性。