← 世界模型 / 在模型中控制任务相关潜动力学与价值学习TD-MPC · 原文 Fig. 2 · p.4 ↗
正式发表 / World Models
TD-MPC
Temporal Difference Learning for Model Predictive Control
ICML · 2022CCF A
关键框架 FRAMEWORK
联合学习任务相关潜动力学、奖励和终端价值,用短时域模型预测加长程价值估计选择动作。
- 01编码任务状态
- 02预测奖励与潜状态
- 03搜索高价值动作
THE IDEA
它在解决什么
联合学习任务相关潜动力学、奖励和终端价值,用短时域模型预测加长程价值估计选择动作。
WHY READ IT
为什么放在这条路线
补齐 TD-MPC2 的前序方法,也提供不依赖像素重建目标的模型控制对照。
READ WITH A QUESTION
读的时候,留意什么
终端价值与模型都可能有偏差;区分辅助策略网络与最终 MPC 搜索输出。
我的阅读笔记
LOCAL NOTES笔记仅保存在当前浏览器