Definición
Un modelo del mundo predice aspectos útiles de un entorno. DreamerV3 aprende comportamientos en trayectorias imaginadas dentro de un modelo latente. MuZero combina un modelo relevante para decidir con búsqueda en árbol.
Ecuación
Gₕ suma recompensas r durante h pasos con descuento γ. El ejemplo fija γ = 1 y compara dos caminos deterministas.
Supuestos y notación
Gₕ suma recompensas r durante h pasos con descuento γ. El ejemplo fija γ = 1 y compara dos caminos deterministas.
Límites de interpretación
Utilizan las predicciones de forma distinta. Los errores pueden acumularse; mirar más lejos no garantiza una mejor decisión. El ejemplo no ejecuta ninguno de esos algoritmos.
DreamerV3 aprende una política sobre trayectorias latentes imaginadas. MuZero predice recompensa, valor y política para la búsqueda en árbol. Reconstruir cada detalle del mundo no es su objetivo común.