dreamerv3

本文诊断了世界模型中的长时程失败，并将其归因于运动学而非动力学想象。作者引入了一个度量（iKCE），并表明即使策略奖励崩溃，想象展开也无法捕捉动态状态变化。

GPLD为DreamerV3引入了梯度惩罚潜在动力学正则化器，强制转换学习中的局部平滑性，提高了连续控制任务（尤其是复杂运动）的样本效率。