Mind Dreamer：通过潜在流形上的主动因果干预释放想象力

arXiv 2026 51.2 method

TLDR

Mind Dreamer通过主动因果干预生成非连续潜在跳跃，提升基于模型的强化学习，比DreamerV3快1.67倍。

评分理由

The paper introduces a novel method to address historical tethering in model-based RL with theoretical contributions like quadratic discount and spectral gap analysis. However, empirical evaluation is limited to the DeepMind Control Suite, and real-world physical experiments are absent.

Read-first 评分解释

综合优先阅读分 51.2，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 49。

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

主题相关性 29%

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

引用影响力 18%

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：0.6999539

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：无

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：无

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：427。

关键词评分

world model

model-based reinforcement learning world model

generative world model

world dynamics prediction

interactive world model

world simulator

video world model

深度分析

创新点

在基于模型的强化学习中，通过主动因果干预超越马尔可夫连续性
将发现重新表述为全局中继期望自由能的最小化
用于初始状态的对抗生成器，创建到认知盲点的非连续潜在跳跃
用于跨空间断裂信用分配的中继值函数和中继不确定性函数
证明跨不连续性的不确定性传播需要二次折扣γ^2
理论上的方差最小化重要性采样器，扩展流形的谱间隙

方法

Mind Dreamer (MD)是一个基于模型的强化学习框架，使用对抗生成器从分布p_gen中采样初始状态，绕过历史数据。它推导出中继值函数和中继不确定性函数，通过贝尔曼式备份传播实用价值和认知价值，并对跨不连续性的不确定性使用二次折扣因子。该方法在DeepMind Control Suite上与DreamerV3进行了评估。

关键结果

MD在DeepMind Control Suite上比DreamerV3平均加速1.67倍，在稀疏奖励任务上加速8.8倍。

资源

论文