3.3.2 想象中的强化学习 (Learning in Imagination)

文档摘要

3.3.2 想象中的强化学习 (Learning in Imagination) 3.3.2 想象中的强化学习（Learning in Imagination）：当模型在“梦里”练出真功夫——一个被低估却致命的时序一致性漏洞与它的手术级修复你有没有试过这样训练一个世界模型：用VAE压缩观测，用RNN建模隐状态转移，再把策略网络接在隐状态上做PPO更新——一切看起来都很美。损失曲线平滑下降，想象轨迹流畅连贯，智能体在模拟器里跑得比真实环境还快。直到你把它部署到真实机器人上，它第一秒就撞墙，第二秒原地打转，第三秒开始疯狂抖动关节，像一个刚做完脑叶切除手术的舞者。这不是玄学。