← 世界模型 / 在模型中控制

正式发表 / World Models

Dreamer

Dream to Control: Learning Behaviors by Latent Imagination

ICLR · 2020OralCCF A

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
Dreamer 的三个学习过程Google Research · Dreamer ↗

从经验学习世界模型,在想象中学习价值与策略,再回到环境收集经验。

  1. 01学习世界模型
  2. 02想象中优化行为
  3. 03执行并收集经验
DreamerDreamer 的三个学习过程
Dreamer 的三个学习过程

从经验学习世界模型,在想象中学习价值与策略,再回到环境收集经验。 来源 ↗ · 打开完整图片 ↗

THE IDEA

它在解决什么

在潜空间想象轨迹上训练行为,把对未来的预测用于策略优化。

WHY READ IT

为什么放在这条路线

与 PlaNet 对读,建立「模型中规划」和「模型中学习策略」的区别。

当前阶段在模型中控制 ↗

模型用于局部优化、树搜索,还是策略学习?

READ WITH A QUESTION

读的时候,留意什么

可微想象轨迹依赖模型质量;模拟任务上的成功不能直接当成真实机器人可靠性。

我的阅读笔记

LOCAL NOTES
笔记仅保存在当前浏览器