761
个编辑
更改
撤销念（讨论）的版本43923
=== 关键改进 ===
=== 关键改进 ===
* '''PlaNet → DreamerV1'''：
** 最大的转变是从'''planning-based (CEM)''' 切换为'''actor-critic based''' 策略学习。
** 支持端到端强化学习更新，训练效率更高。
* '''DreamerV1 → DreamerV2'''：
** 引入了更稳定的'''value bootstrap目标'''，缓解了价值训练过程中的variance问题。
** 训练更加稳定，在长时序任务上性能显著提升。
* '''DreamerV2 → DreamerV3'''：
** 通用性增强，支持'''离散动作空间'''，显著扩展适用范围（如Atari游戏）。
** 引入'''任务自适应正则化（task-adaptive regularization）'''，提升跨任务泛化能力。
** 世界模型结构更深层次，引入'''更强的隐状态表达能力'''。
=== PlaNet → DreamerV1 ===
=== PlaNet → DreamerV1 ===
111
=== DreamerV1 → DreamerV2 ===
=== DreamerV1 → DreamerV2 ===
111
=== DreamerV2 → DreamerV3 ===
=== DreamerV2 → DreamerV3 ===
111