← 世界模型 / 在模型中控制

正式发表 / World Models

World Models

Recurrent World Models Facilitate Policy Evolution

NeurIPS · 2018CCF 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
视觉、记忆与控制器World Models · 项目页 ↗

VAE 压缩观测,MDN-RNN 预测潜状态,控制器依据表示选择动作。

  1. 01视觉压缩
  2. 02潜空间预测
  3. 03控制器行动
World Models视觉、记忆与控制器
视觉、记忆与控制器

VAE 压缩观测,MDN-RNN 预测潜状态,控制器依据表示选择动作。 来源 ↗ · 打开完整图片 ↗

THE IDEA

它在解决什么

用视觉压缩、循环动力学和简单控制器,把策略学习搬进模型想象的环境。

WHY READ IT

为什么放在这条路线

作为 PlaNet 与 Dreamer 之前的起点,区分环境模型、控制器和优化策略的方法。

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

模型中的高回报可能来自利用模型漏洞;回到真实环境检验迁移。正式发表标题与项目名不同。

我的阅读笔记

LOCAL NOTES
笔记仅保存在当前浏览器