← 世界模型 / 未来预测如何用世界模型内的扩散策略适配CoRL 2025 · Fig. 2 · p.4 ↗
正式发表 / World Models
DiWA
DiWA: Diffusion Policy Adaptation with World Models
CoRL · 2025
关键框架 FRAMEWORK
先训练潜动力学、模仿策略和成功分类器,再把动作扩散步骤嵌入世界模型 MDP,在想象轨迹内强化微调。
- 01训练动力学策略与奖励
- 02构建 Dream Diffusion MDP
- 03在想象中更新策略
THE IDEA
它在解决什么
先训练潜动力学、模仿策略和成功分类器,再把动作扩散步骤嵌入世界模型 MDP,在想象轨迹内强化微调。
WHY READ IT
为什么放在这条路线
与 DreamGen 的合成示范路线区分,DiWA 直接在学习到的动力学里做策略梯度更新;与 ConRFT 的在线阶段形成对照。
READ WITH A QUESTION
读的时候,留意什么
适配阶段不追加环境交互,仍依赖预先采集的 play、专家数据和奖励监督;模型误差会影响优化结果。
我的阅读笔记
LOCAL NOTES笔记仅保存在当前浏览器