#Dreamer (4)

作者从 autograd 和张量库开始，在 MacBook 上造出 750k 参数 Dreamer。Actor 完全在想象 rollout 中训练，最终在 5 个 MinAtar 游戏全部超过随机基线；文章完整保留奖励错位、critic 过度乐观、CNN/多步 rollout 重建与消融结果。

博客

隐式世界模型通过在想象的隐式轨迹上优化策略提高连续控制的样本效率,但常见神经转移对长滚动中的模态持续性和误差积累缺乏直接控制。Koopman Dreamer提出谱约束隐式动力学的Dreamer风格世界模型。

DreamerV3系列基于模型的强化学习智能体在任务序列训练时灾难性遗忘,即使无限回放缓冲区保存了所有早期经验。本文研究持续RL文献假设但从未测量的问题:哪个组件遗忘最严重?提出梦境复演方法。

多智能体强化学习中,智能体间通信在部分可观测下有效提升性能。基于表示学习的方法让去中心化智能体学习基于自身观测的消息,但仅依赖当前观测。Dreamer-CPC结合世界模型进行消息学习。

作为亚马逊联盟会员,我们可能从符合条件的购买中获得佣金。