📖 AI 总结

该论文提出SDI（Sibling Disagreement in Imagination）方法，解决世界模型智能体在行动前如何选择探索方向、以及何时用规划方案替换已学策略的问题。SDI以智能体自身动作序列在同一模型状态下的重复想象作为共享参照，用候选回报的离散程度提供探索信号，用规划方案的预测优势决定是否采纳，优势超过参照波动固定倍数时执行规划动作，否则沿用原策略。该方法复用基础智能体的世界模型、actor和critic，无需额外集成模块。在Meta-World、Adroit和DM-Control三个基准上，SDI在各套件中的任务平均得分均高于所有对比基线，18个任务中有15个达到或超过最强基线；配对评估显示该门控机制相比无门控规划能更好地从actor失败中恢复、保留成功行为并显著减少回报退化。

🔑 关键词速览