模型式强化学习

论文探索强化学习智能体能否先学习环境的生成模型，再利用内部模拟训练策略。世界模型以无监督方式压缩环境的空间与时间结构，策略网络只需读取这些表征，因此可以保持非常紧凑。作者进一步让智能体完全在世界模型生成的“梦境”中训练，再把策略迁移回真实环境并完成任务，直观展示了利用内部环境表征进行想象、规划和控制的研究范式。