更改

# '''状态转移模型'''： <math>h_t = f_\phi(h_{t-1}, s_{t-1}, a_{t-1})</math>。通常由GRU等递归神经网络实现，依据前一时刻的<math>h_{t-1}</math>、<math>s_{t-1}</math>及动作<math>a_{t-1}</math>，更新新的确定性状态<math>h_t</math>，赋予模型记忆能力，捕捉复杂非线性动态。

# '''状态转移模型'''： <math>h_t = f_\phi(h_{t-1}, s_{t-1}, a_{t-1})</math>。通常由GRU等递归神经网络实现，依据前一时刻的<math>h_{t-1}</math>、<math>s_{t-1}</math>及动作<math>a_{t-1}</math>，更新新的确定性状态<math>h_t</math>，赋予模型记忆能力，捕捉复杂非线性动态。

#  

#  

# '''动力学预测模型'''：采样规则为： <math>\hat{s}_t \sim p\phi(s_t \mid h_t)</math>。在缺乏观测时，根据当前<math>h_t</math>预测未来<math>s_t</math>。PlaNet和DreamerV1使用高斯分布，DreamerV2/V3则采用独立分类分布。先验使智能体可在潜在空间内递归生成潜在轨迹。

# '''动力学预测模型'''：采样规则为： <math>\hat{s}_t \sim p_\phi(s_t \mid h_t)</math>。在缺乏观测时，根据当前<math>h_t</math>预测未来<math>s_t</math>。PlaNet和DreamerV1使用高斯分布，DreamerV2/V3则采用独立分类分布。先验使智能体可在潜在空间内递归生成潜在轨迹。

#  

#  

# '''编码器（后验估计）模型'''：<math>s_t \sim q_\phi(s_t \mid h_t, x_t)</math>。给定真实观测<math>x_t</math>，编码器推断<math>s_t</math>的后验分布。训练时通过重构损失和KL散度正则化校正先验预测。

# '''编码器（后验估计）模型'''：<math>s_t \sim q_\phi(s_t \mid h_t, x_t)</math>。给定真实观测<math>x_t</math>，编码器推断<math>s_t</math>的后验分布。训练时通过重构损失和KL散度正则化校正先验预测。