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- 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。
它为什么选这条路线?看三种改法 ↓准备好了,点「先试飞一次」。
点上方切换重点。橙色实线始终是同一趟真实轨迹。
这是对刚才训练经历的回看,不是新试飞。预测更贴近这条记录,不代表下一趟一定准确。
把规划打开看
先在脑内选,再真实飞。
模型没变,换个出发方式,预测的落点就会变。点一张卡看原因,也可以亲自发射验证。圆环 = 目标 · 线尾实心点 = 预计落点
这里只切换查看,不改变上方待飞路线。点「实飞」才真正选择并出发,进入自由实验;原学习对照仍保留。
虚线和数字全是同一个模型的预测,没有偷看真实世界。搜索实际同时比较 2009 组方向与推力;这里抽出三条解释性路线,不是分三步优化,也不保证每一步都更好。三图坐标相同,圆环半径为 5;实际是否抵达,必须试飞后才知道。
保留这次学习对照 · 规划后也能回看
两幅图坐标相同,橙色实线是同一条实际记录;虚线是模型预测。此处比较的是训练经历的回看偏差,不是下一趟表现,也不会改写当时的成绩。
本轮实验结束
不只是飞进圈,而是知道下一步该做什么。
学习,是认识世界怎么变化。
规划,是用这些认识决定怎么行动。
旧经验,不保证一直管用。
不一定要重学,也能换条路。
前两张图保留同一趟训练经历的学习后预测与真实轨迹,不代表泛化能力;最后一张是独立选择时出发前的预测与实飞。选中一次合适的方法,也不等于已经掌握世界模型。
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
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。
如果风突然变了呢?
世界会变,学过的模型不会自动更新。
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。