dreamer

收录理由

Dreamer 是 ICLR 2020 论文《Dream to Control》的原始实现，核心思路是在学习到的世界模型中通过想象轨迹来训练控制策略。它不直接在图像空间做规划，而是先把观测压缩成紧凑的特征表示，再在这个特征空间里预测未来，并将价值函数的梯度沿多步想象序列反向传播，从而高效学习长时域策略。代码量小、结构自包含，适合作为复现论文在 DeepMind Control Suite 上结果的参考，也方便把世界模型的思想迁移到自己的仿真控制任务中。需要说明的是，这是一个研究型项目，并非开箱即用的生产库，使用时要依赖 TensorFlow 2、dm_control 并对照论文阅读。作者还推荐了支持 Atari 和 DMControl 的 DreamerV2 仓库，因此这个仓库更适合看作原始、简洁的版本。