09 / 脑内预演室

教小飞船,飞进圆环。

先跟着试,再独立判断一次。最后,带走关于“世界模型”的三个发现。

目标:最后落在圆环里

嘿姆试飞
嘿姆,本趟试飞驾驶员
嘿姆待命 · 尚未起飞下一趟预演 · 尚未试飞
0 / 60 拍
飞船预测与真实轨迹虚线是模型的预演,实线是实际试飞。目标在右侧圆环。 起点 目标圆环
它以为的路线真正飞过的路
出发前的预演
尚未验证
真实试飞
尚未试飞

第一步 · 试一试

先看看,它会飞到哪?

点一下出发,不用调参数。虚线是它的猜测,橙色是实际路线。

准备好了,点「先试飞一次」。

想自己试?展开方向、推力和分步控制

自由试飞

操作下方控制会离开引导,保留当前模型。想再走一轮完整实验,可以点页尾“重新开始”。

01 选一个出发方式

向上 ↖ ↘ 向下

先推 36 拍,再滑行 24 拍。看它最终能否停在圆环内;这里只判位置,不要求刹停。

02 把真实经历教给它

完整试飞后,才会得到 60 条观测。

03 让模型帮你选路线

只在模型里比较方向与推力,不偷看真实世界。

然后,给它一个意外

如果风突然变了呢?

世界会变,学过的模型不会自动更新。

M0 · 初始猜测还没有学习任何观测

刚才,你教会了它什么?

它把试飞的经历变成一套“世界会怎样变化”的猜测,再用这套猜测提前选路线。这就是这里的世界模型。风变了,旧猜测就可能失灵,需要新经历来纠正。

它和 Dreamer、RSI 有什么区别?算法与诚实边界

这是「学习环境 → 模型中规划 → 真实执行」的教学实验。学习器是带微小正则的线性回归(每轴速度、推力、偏置三个参数),不是大型神经网络;规划器枚举方向与力度,并非训练神经策略。没有复现 Dreamer 的潜在状态、奖励学习或想象中的策略训练。可继续阅读 Dreamer 研究 ↗。

真实环境是确定性的二维简化动力学,没有碰撞和随机测量噪声。学习器的线性假设恰好能表达它,因此这个小世界比真实问题容易得多。目标是第 60 拍在半径 5 的圆环内,并不代表完成物理着陆。

「轨迹偏差」是预测与完整实际轨迹的位置均方根距离。出发时的成绩使用当时锁定的预测,学习不会改写。学习对照用同一起点、整段推力序列和实际记录重新预测,是训练经历回看,不是泛化能力;新路线仍需实飞验证。不同推力、方向、风况的成绩不构成严格算法排名。

这里没有递归自我改进(RSI):飞船只更新动力学参数,不修改自身代码或学习算法。纯浏览器本地计算,无上传、API、追踪或自动保存。刷新会重新开始;后台会暂停,回来不会自动继续。系统选择减少动态效果时直接展示完整轨迹和结果。

← 回到学习路线,看看下一步