يواجه تطبيق التعلم المعزز (RL) على الأنظمة الفيزيائية المعقدة تحديات مع أوقات التدريب الطويلة بسبب تكاليف المحاكاة الحسابية العالية. يمكن لتعلم النقل تقليل أوقات التدريب من خلال الاستفادة من النماذج المدربة على مشاكل مماثلة. تنشئ نماذج الطلب المخفض (ROMs) بيئات أسرع ومبسطة لتدريب التعلم المعزز مع الحفاظ على الدقة. يمكن توليد نماذج الطلب المخفض من خلال طرق مختلفة، بما في ذلك مناهج التعلم غير الخاضع للإشراف من العلوم القائمة على البيانات. تتطور الأنظمة الديناميكية عبر الزمن وتوصف بمتجهات الحالة ومشتقاتها. غالبًا ما تظهر الأنظمة الفيزيائية الواقعية عدم الخطية، مما يجعل من الصعب توصيفها. تفتقر هذه الأنظمة بشكل متكرر إلى المعادلات الحاكمة القابلة للحل، مما يتطلب تبسيطات تحد من فائدتها. تخدم ديناميكيات محرك التوربوجيت كمشكلة مثال حيث يجب حل المعادلات المقترنة بشكل تكراري بدلاً من مباشرة.