DreamerV3

DreamerV3: Mastering Diverse Domains through World Models常用

在学到的世界模型里靠想象训练策略、一套超参数通用的强化学习算法

Dreamer 系列由 Danijar Hafner 主导：2019 年的 Dreamer 提出在隐空间里想象未来来学习行为；2020 年的 DreamerV2 改用离散隐变量，在 Atari 上首次让靠世界模型学习的智能体达到人类水平，并超过 Rainbow、IQN 等顶尖单卡无模型方法；DreamerV3 于 2023 年 1 月公开，2025 年发表于《自然》。做法是先从交互经验中学一个世界模型，预测下一步的隐状态和奖励，再让策略在模型生成的想象轨迹里训练，真实环境主要用来收集数据。它靠归一化、平衡、变换等稳健性技巧，用同一套超参数解决 150 多个不同任务，并成为首个不用人类数据和课程、从零在《我的世界》里挖到钻石的算法。