arXiv ID:
2607.01736
arXiv 提交日期: 2026-07-02
潜在世界模型的闭环性能预测:非马尔可夫奖励下月面着陆器的离线检查点选择与MPC及基于模型的强化学习 / Predicting Closed-Loop Performance of Latent World Models: Offline Checkpoint Selection for MPC and Model-Based RL Under Non-Markovian Rewards in LunarLander
1️⃣ 一句话总结
本文提出一种名为CROF的离线评分方法,通过分析奖励预测器对可观测状态的依赖程度等结构指标,仅凭验证阶段的诊断数据就能筛选出训练过程中性能最佳的模型检查点,从而在月面着陆器任务中让基于模型的强化学习策略比传统无模型方法提升约24.5分,同时减少65倍的与环境交互次数。