注意仿真到现实的差距并像科学家一样思考

本文研究规划器在拥有预训练模拟器且可进行实地实验时，如何权衡两者以优化序列决策。针对模拟器存在的混淆与漂移问题，以及真实实验的高成本，论文提出扩展模拟引理分解价值误差，并分析局部与可达性组件的差异。进一步提出 Fisher-SEP 方法，一种辅助仿真的实验策略，旨在最小化目标策略价值的后验预测方差。通过自动售货机供应链和 HIV 移动检测两个案例，验证了该方法在不同场景下的有效性。