← 世界模型 / 在模型中控制

正式发表 / World Models

TD-MPC2

TD-MPC2: Scalable, Robust World Models for Continuous Control

ICLR · 2024SpotlightCCF 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
不重建观测的控制世界模型TD-MPC2 · 原文 Fig. 3 · p.3 ↗

编码器形成归一化潜状态,递归预测动作、奖励和终端价值;图中没有用于像素重建的解码器。

  1. 01编码状态与任务
  2. 02预测奖励及价值
  3. 03滚动优化动作序列
TD-MPC2不重建观测的控制世界模型
不重建观测的控制世界模型

编码器形成归一化潜状态,递归预测动作、奖励和终端价值;图中没有用于像素重建的解码器。 来源 ↗ · 打开完整图片 ↗

THE IDEA

它在解决什么

以任务相关潜状态做连续控制规划,不要求重建完整观测。

WHY READ IT

为什么放在这条路线

与 Dreamer 对照阅读,关注不重建像素的模型如何服务动作决策。

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

比较状态输入与视觉输入的实验设定,避免把不同观测条件的分数直接放在一起。

我的阅读笔记

LOCAL NOTES
笔记仅保存在当前浏览器