TD-MPC2: Scalable World Models for Continuous Control

TD-MPC2是2023年由UC Berkeley等机构提出的可扩展世界模型方法，通过统一的世界模型架构实现多种连续控制任务的高效学习。TD-MPC2采用潜在动力学模型和模型预测控制架构，能够在多种连续控制任务上取得优异性能，并且具有良好的可扩展性和数据效率。该方法是基于模型的强化学习领域的代表性工作，推动了世界模型在连续控制中的应用。