← 世界模型 / 在模型中控制模型训练与采样式树搜索ICML 2024 · Fig. 2 · p.3 ↗
正式发表 / World Models
EfficientZero V2
EfficientZero V2: Mastering Discrete and Continuous Control with Limited Data
ICML · 2024CCF A
关键框架 FRAMEWORK
将 EfficientZero 扩展到连续动作和不同观测形式,用采样式 Gumbel 搜索改善动作选择,并处理陈旧回放数据的价值估计。
- 01学习潜模型
- 02采样并搜索动作
- 03监督策略与价值
THE IDEA
它在解决什么
将 EfficientZero 扩展到连续动作和不同观测形式,用采样式 Gumbel 搜索改善动作选择,并处理陈旧回放数据的价值估计。
WHY READ IT
为什么放在这条路线
是 EfficientZero 的明确方法延伸;与 TD-MPC2 比较时应区分树搜索与采样式 MPC 的规划结构。
READ WITH A QUESTION
读的时候,留意什么
性能取决于任务、交互预算和搜索算力;所测基准优势不等于任意机器人任务优势。
我的阅读笔记
LOCAL NOTES笔记仅保存在当前浏览器