Dream-MPC: 基于梯度的模型预测控制与潜在想象

arXiv 2026 55.4 method

TLDR

Dream-MPC结合基于梯度的MPC与学习的世界模型和策略先验，在24个连续控制任务上优于无梯度方法。

评分理由

The paper presents a novel gradient-based MPC approach that leverages a learned world model for trajectory optimization, showing strong empirical results across many tasks. However, it lacks real-world validation and does not address video or interactive world models explicitly.

Read-first 评分解释

综合优先阅读分 55.4，由主题、引用、图谱、方法、可复现性和近期性等信号加权得到。原始总分保留为 43。

近期性 6%

100

使用温和的时间衰减，让近期论文更容易浮现，同时保留较早基础工作的价值。年份：2026

引用影响力 18%

72.4

使用 OpenAlex 形态的引用元数据作为文献关注度信号，并与论文本身质量分开处理。归一化引用分位：0.72374803

主题相关性 29%

61.4

使用现有 LLM 关键词相关性评分，并归一化到 0-100。关键词：world model、world simulator、generative world model、interactive world model、video world model、world dynamics prediction、model-based reinforcement learning world model

方法质量 18%

检查可见的摘要与分析字段，寻找实验、数据集、基线、指标和局限性等方法证据。命中信号：基线、结果

可复现性 18%

检查链接和可见文本中的论文、代码、数据集、工件与仓库信号。论文：有；代码：无；数据：无；命中信号：代码、GitHub

引用速度 12%

引用速度按发表年限估算年均引用，降低旧论文天然占优的偏差。年均引用：0.00

研究版图角色

前沿论文桥接论文

排序敏感性

稳定性：volatile；排名波动范围：289。

关键词评分

world model

model-based reinforcement learning world model

world dynamics prediction

generative world model

world simulator

interactive world model

video world model

深度分析

创新点

基于梯度的模型预测控制，利用学习的世界模型进行潜在想象
轨迹优化的不确定性正则化
通过重用先前优化的动作，将优化迭代随时间摊销

方法

Dream-MPC通过展开策略生成少量候选轨迹，然后利用学习的世界模型通过梯度上升优化每条轨迹。它结合了不确定性正则化，并通过重用先前优化的动作将优化迭代随时间摊销。

关键结果

在24个连续控制任务上，Dream-MPC显著提升了底层策略的性能，并优于无梯度MPC以及最先进的基线方法。

资源

论文