标签
本文提出了一种离线强化学习框架，用于优化仓库履约环境中的SLAM吞吐量控制，在吞吐量最大化与下游稳定性之间取得平衡。该方法与算法无关，并证明CQL策略将系统健康状况提升了22.97%，并将限流持续时间减少了3.18%。