Definição
Um modelo do mundo prevê aspectos úteis de um ambiente. DreamerV3 aprende comportamentos em trajetórias imaginadas em um modelo latente. MuZero combina um modelo relevante para decisões com busca em árvore.
Equação
Gₕ soma recompensas r em h etapas com fator de desconto γ. O exemplo fixa γ = 1 e compara dois caminhos determinísticos.
Hipóteses e notação
Gₕ soma recompensas r em h etapas com fator de desconto γ. O exemplo fixa γ = 1 e compara dois caminhos determinísticos.
Limites da interpretação
As previsões são usadas de formas diferentes. Erros podem se acumular; olhar mais longe não garante melhor decisão. O exemplo não executa nenhum desses algoritmos.
DreamerV3 aprende uma política em trajetórias latentes imaginadas. MuZero prevê recompensa, valor e política para busca em árvore. Reconstruir cada detalhe do mundo não é seu objetivo comum.