← 世界模型 / 未来预测如何用

正式发表 / World Models

DiWA

DiWA: Diffusion Policy Adaptation with World Models

CoRL · 2025

快照 2026-10-28 · 引用:Semantic Scholar / arXiv 关联记录 · 代码核验依据 ↗

关键框架 FRAMEWORK
世界模型内的扩散策略适配CoRL 2025 · Fig. 2 · p.4 ↗

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。

  1. 01训练动力学策略与奖励
  2. 02构建 Dream Diffusion MDP
  3. 03在想象中更新策略
DiWA世界模型内的扩散策略适配
世界模型内的扩散策略适配

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。 来源 ↗ · 打开完整图片 ↗

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。

当前阶段未来预测如何用 ↗

预测用于特征、数据生成,还是策略优化?

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