danijar/dreamerv3

解决的问题

它解决了在不同领域应用强化学习 (RL) 的困难，这通常需要大量的专家知识和计算资源来调整超参数。DreamerV3 提供了一种可扩展的通用 RL 算法，可以使用一组固定的超参数在多种任务中运行。

工作原理

DreamerV3 使用世界模型从经验中学习。它将感官输入编码为类别表示，并根据动作预测未来的表示和奖励。然后，系统使用由该世界模型生成的“想象轨迹”来训练 Actor-Critic 策略，而不是仅仅依赖于现实世界的交互。

适用对象

从事强化学习和控制任务的研究人员和开发人员，他们需要一种鲁棒且数据效率高的智能体，该智能体可以随着更大的模型和更多的梯度步数进行扩展，而无需进行特定任务的调优。

亮点

• 固定超参数：无需手动调优即可掌握广泛的领域。
• 可扩展性：随着模型规模和梯度步数的增加，性能和数据效率持续提高。
• 世界模型方法：学习环境的预测模型，并在想象中训练策略。
• 基于 JAX：使用 JAX 实现，可在 GPU、CPU 或 TPU 上进行高效计算。