更改

Dreamer (查看源代码)

2025年5月9日 (五) 23:26的版本

添加771字节、 2025年5月9日 (五) 23:26

→‎Dreamer框架原理

第153行：第153行：

====使用MPC或policy gradient进行action selection====

+

[[File:解释图片.png|400px]]

+

Dreamer 算法的三阶段流程。左图 (a)：学习环境的潜在动力学模型；中图 (b)：在潜在空间中基于想象轨迹训练策略网络（Actor）与价值函数（Critic）；右图 (c)：在真实环境中执行已学习的策略

+

（图片来源：researchgate.net）。Dreamer 模型的规划与决策机制依赖于对环境潜在动力学的建模，并在潜在空间中生成“想象”轨迹，用以评估和优化智能体的行为策略（file-pfqnaku9rtfk4zulvtjrue）。该机制可从两个核心过程展开：其一，在潜在空间中生成未来状态的想象轨迹；其二，基于这些轨迹进行动作序列的评估与选择，方法包括模型预测控制（MPC）与策略梯度优化。

----

念

761

个编辑