🧠AI 冷知识
你知道吗？
这些有趣的 AI 小知识可能让你大吃一惊
💤
Dreamer系列Dreamer算法字面意义上就在"做梦"——它在自己学到的世界模型中模拟未来的场景来练习技能,就像运动员在比赛前在脑中反复演练动作。这种"梦中学习"让它的样本效率比传统RL高出上百倍。
一句话总结
💡
Dreamer 在隐空间世界模型中通过想象（rollout）训练 actor-critic 策略，实现高效基于模型的强化学习。
常见误区
这些坑别踩
✗
误区 1
Dreamer 在真实环境中试错训练。
✓
正确理解
Dreamer 主要在世界模型想象中训练策略，大幅减少真实交互。
✗
误区 2
想象训练的策略一定能在真实环境生效。
✓
正确理解
世界模型偏差会导致策略迁移误差，需提升模型准确度。
✗
误区 3
Dreamer 不需要奖励信号。
✓
正确理解
它仍需奖励定义，只是用世界模型想象奖励而非每步真环境奖励。