← 世界模型 / 在模型中控制概率动力学与轨迹采样PETS · 原文 Fig. 1 · p.2 ↗
正式发表 / World Models
PETS
Deep Reinforcement Learning in a Handful of Trials using Probabilistic Dynamics Models
NeurIPS · 2018CCF A
关键框架 FRAMEWORK
用概率动力学模型集成表达不确定性,通过粒子轨迹采样评估候选动作,再用 MPC 滚动执行。
- 01拟合概率集成
- 02采样未来轨迹
- 03滚动选择动作
THE IDEA
它在解决什么
用概率动力学模型集成表达不确定性,通过粒子轨迹采样评估候选动作,再用 MPC 滚动执行。
WHY READ IT
为什么放在这条路线
理解模型控制的基础:预测均值之外,为什么还要考虑环境噪声与模型认知不足。
READ WITH A QUESTION
读的时候,留意什么
主要从状态输入建模;不要把状态空间控制成绩直接等同于从像素学习的能力。
我的阅读笔记
LOCAL NOTES笔记仅保存在当前浏览器