潜变量动力学模型可从少量观测前向推演，还原倒立摆状态并附不确定性

hisspikeness · x · 2026-10-08

研究线程的收尾部分（7/）：在持续工作中，学习到的潜变量动力学可以从少量初始观测（t<0）出发向前推演（rollout），恢复出 MuJoCo 倒立摆（hopper）的各项信号，并附带不确定性估计。同一线程早前部分（6/）指出：给同一模型加上像素重建损失后，潜变量会部分编码干扰信息（颜色、光照、相机等），导致状态不再能被线性解码。整体展示了「潜变量预测式建模」在噪声与干扰环境下的表征能力。