← 世界模型 / 在模型中控制不重建观测的控制世界模型TD-MPC2 · 原文 Fig. 3 · p.3 ↗
正式发表 / World Models
TD-MPC2
TD-MPC2: Scalable, Robust World Models for Continuous Control
ICLR · 2024SpotlightCCF A
关键框架 FRAMEWORK
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。
- 01编码状态与任务
- 02预测奖励及价值
- 03滚动优化动作序列
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。
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