第五卷 · 基于模型的 RL 与规划

学一个环境模型，然后在想象中练习。本卷讲基于模型的方法为何样本效率更高、模型误差如何被利用或放大，以及搜索与学习如何结合。

本卷结构

• 第一部分 · 规划：Dyna 与模型预测控制、MCTS 与 AlphaZero。
• 第二部分 · 世界模型：MuZero：学习用于规划的模型、Dreamer：在潜空间想象中学习、模型误差、利用与不确定性。

前置

第二、四卷。