世界模型

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。

这篇立场论文追问机器如何像人和动物一样高效学习，并在多个抽象层级和时间尺度上推理与规划。作者提出自主智能体架构，把可配置的预测世界模型、内在动机驱动的行为，以及通过自监督学习训练的层级联合嵌入模块结合起来。其贡献是提出一条面向感知、预测、成本评估与行动的系统路线，而不是报告一个已经完成并经基准验证的通用自主智能系统。