← 世界模型 / 在模型中控制自监督时序一致性模块NeurIPS 2021 · Fig. 2 · p.5 ↗
正式发表 / World Models
EfficientZero
Mastering Atari Games with Limited Data
NeurIPS · 2021CCF A
关键框架 FRAMEWORK
在 MuZero 式树搜索中补充时序一致性、价值前缀预测和离策略修正,提升有限交互下的模型学习。
- 01编码相邻观测
- 02对齐预测与目标状态
- 03用模型支持树搜索
THE IDEA
它在解决什么
在 MuZero 式树搜索中补充时序一致性、价值前缀预测和离策略修正,提升有限交互下的模型学习。
WHY READ IT
为什么放在这条路线
与 Dreamer 的想象 actor–critic 对照,它把学习到的模型用于搜索,并让搜索结果监督策略和价值。
READ WITH A QUESTION
读的时候,留意什么
Atari 100k 的交互效率不等于计算便宜;图中仅展示一致性模块,不是完整搜索系统。
我的阅读笔记
LOCAL NOTES笔记仅保存在当前浏览器