world2vec通过潜在动力学学习构建机制性世界模型
原文：world2vec: Mechanistic world models through latent dynamics learning
世界模型可以在不忠实捕捉环境动力学的情况下实现强大的控制性能，这限制了其在机制可解释性和科学发现方面的潜力。在此，我们提出world2vec，无需奖励信息，直接从观测和动作中学习机制性世界模型。world2vec学习能够在长预测时域上忠实复现真实系统的潜在动力学，参数量比DreamerV3、TD-MPC2和LeWM至少少一个数量级。这使其在从像素控制连续环境方面达到最先进性能，并在71个吸引子基准上实现准确的系统辨识，展示了世界模型如何适用于科学发现。作者：Tobias Schmidt, Rodrigo Gonzalez Laiz, Krisztián Szuppinger, Steffen Schneider 类别：cs.LG