← 世界模型 / 在模型中控制

正式发表 / World Models

EfficientZero V2

EfficientZero V2: Mastering Discrete and Continuous Control with Limited Data

ICML · 2024CCF 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
模型训练与采样式树搜索ICML 2024 · Fig. 2 · p.3 ↗

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。

  1. 01学习潜模型
  2. 02采样并搜索动作
  3. 03监督策略与价值
EfficientZero V2模型训练与采样式树搜索
模型训练与采样式树搜索

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。 来源 ↗ · 打开完整图片 ↗

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。

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

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