模型
DreamerV3
基于隐空间的世界模型，在压缩的潜在表示空间中进行预测，计算效率高，样本效率强，可用于多种机器人任务
核心事实
时间轴 (近 90 天)
10月30日
world2vec 与 DreamerV3、TD-MPC2 和 LeWM 等方法相比，参数量至少少一个数量级，同时仍能保持对连续环境的控制性能达到当前最优水平。
待验证50%
10月19日
DreamerV3是DeepMind提出的基于世界模型的强化学习算法，在Minecraft中从零学会挖钻石，展示了单一超参数配置跨多类任务的通用性。
待验证50%
10月11日
DreamerV3、IRIS 等工作将世界模型框架推向更高维度的视觉输入任务
待验证50%
9月11日
DreamerV3等算法证明具备世界模型的AI智能体在样本效率和泛化能力上超越传统方法
待验证50%
9月5日
DreamerV3由Danijar Hafner等人于2023年提出，首次在超过150个不同任务上实现了统一算法的强大表现
待验证70%
全部知识事实 (6)
已验证
DeepMind、Meta AI等机构推出了DreamerV3、JEPA等代表性世界模型工作
65%待验证DreamerV3由Danijar Hafner等人于2023年提出，首次在超过150个不同任务上实现了统一算法的强大表现
70%待验证world2vec 与 DreamerV3、TD-MPC2 和 LeWM 等方法相比，参数量至少少一个数量级，同时仍能保持对连续环境的控制性能达到当前最优水平。
50%待验证DreamerV3是DeepMind提出的基于世界模型的强化学习算法，在Minecraft中从零学会挖钻石，展示了单一超参数配置跨多类任务的通用性。
50%待验证DreamerV3、IRIS 等工作将世界模型框架推向更高维度的视觉输入任务
50%待验证DreamerV3等算法证明具备世界模型的AI智能体在样本效率和泛化能力上超越传统方法
50%