Predicting Closed-Loop Performance of Latent World Models: Offline Checkpoint Selection for MPC and Model-Based RL Under Non-Markovian Rewards in LunarLander
预测潜在世界模型的闭环性能:用于MPC和基于模型的强化学习的离线检查点选择,在非马尔可夫奖励的LunarLander中
发表机构 * GitHub
专题命中 通用世界模型 :world model(title,abstract);world models(title);world model(title,abstract);world models(title)
AI总结 提出一套基于最优控制理论的结构化验证时诊断指标,用于从离线检查点中预测潜在世界模型的闭环性能,其中复合奖励可观测性分数(CROF)在LunarLander任务上有效选择检查点,显著提升MPC和基于模型的强化学习性能。
Comments Preprint, 19 pages (16 main text + 3 pages appendix), 7 figures, 4 tables. Video: https://youtu.be/4PxHFW_TYUw , Code: https://github.com/nsmoly/LunarLander_RSSM