第五章 Model-Based强化学习算法演进路线第一部分5.1 Model-Free与Model-Based区别5.2 为什么Model-Based更加样本高效5.3 Model-Based RL核心组成5.4 Dyna-Q：Model-Based RL起点5.5 PILCO：概率模型驱动的机器人强化学习第二部分5.6 E2C：深度Latent Dynamics路线5.7 PETS：概率动力学模型 + MPC5.8 MBVE：模型辅助价值估计5.9 MBPO：Model-Based + SAC融合第三部分5.10 PlaNet：Latent World Model与规划5.11 Dreamer：World Model + Actor-Critic5.12 DreamerV25.13 DreamerV35.14 DayDreamer：真实机器人中的Dreamer第四部分5.15 MCTS与Planning路线5.16 AlphaGo RL-算法演进史05：Model-Based强化学习算法演进路线01【Dyna−Q→MCTS→AlphaGo→AlphaZero→MuZero】
第五章 Model-Based强化学习算法演进路线第一部分5.1 Model-Free与Model-Based区别5.2 为什么Model-Based更加样本高效5.3 Model-Based RL核心组成5.4 Dyna-Q：Model-Based RL起点5.5 PILCO：概率模型驱动的机器人强化学习第二部分5.6 E2C：深度Latent Dynamics路线5.7 PETS：概率动力学模型 + MPC5.8 MBVE：模型辅助价值估计5.9 MBPO：Model-Based + SAC融合第三部分5.10 PlaNet：Latent World Model与规划5.11 Dreamer：World Model + Actor-Critic5.12 DreamerV25.13 DreamerV35.14 DayDreamer：真实机器人中的Dreamer第四部分5.15 MCTS与Planning路线5.16 AlphaGo