TD-MPC2：面向连续控制的可扩展、鲁棒世界模型
TLDR
TD-MPC2通过可扩展、鲁棒的世界模型改进基于模型的强化学习，在104个任务上用单一超参数集取得强劲结果。
评分理由
The paper presents clear improvements over TD-MPC with extensive empirical validation across many tasks, demonstrating scalability. However, it lacks real-world physical experiments and does not address generative or video world models explicitly.
Read-first 评分解释
综合优先阅读分 68.4，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 41。
研究版图角色
方法锚点复现锚点
排序敏感性
稳定性：volatile；排名波动范围：221。
关键词评分
深度分析
创新点
- 对TD-MPC算法的一系列改进，用于基于模型的强化学习
- 单一超参数集在104个多样化的在线RL任务上取得强劲结果
- 展示了缩放定律：智能体能力随模型和数据规模增加而提升
- 成功训练了一个317M参数的单一智能体，在多个领域、具身形态和动作空间上执行80个任务
方法
TD-MPC2是一种基于模型的强化学习算法，它在学习到的隐式（无解码器）世界模型的潜在空间中进行局部轨迹优化。该算法在涵盖4个不同任务领域的104个在线RL任务上使用单一超参数集进行评估，并进行了缩放实验，训练了一个317M参数的智能体在80个任务上执行。
关键结果
TD-MPC2在所有104个在线RL任务上显著优于基线，使用单一超参数集获得一致强劲的结果。此外，智能体性能随模型和数据规模缩放，最终一个317M参数的单一智能体成功在多个领域执行80个任务。