三周刷完斯坦福AA203全部19讲:最优控制到PPO的深度复盘
le_james94 · x · 2026-10-09
工程师 James Le 用三周时间看完斯坦福 2026 春季《AA203: 最优与学习控制》全部 19 讲（Marco Pavone 与 Daniele Gammelli 主讲），发布万字逐讲复盘。核心脉络：课程用同一个粒子控阵玩具问题反复重建——从手写 Hamiltonian 与协态方程的闭式解，到数值求解器，最终因为模型不再可得而改用基于 rollout 训练的神经网络策略。
作者不买「Pontryagin 被后半个课程的 PPO 取代」的简单编年史读法，指出第 19 讲的修正其实是第 11、12 讲内容的翻版。对「学模型再用它规划」的关键批评：对线性系统可行，其余情形不行——规划器追逐高预测奖励时，恰恰会精准找到模型朝着美化方向出错的地方，优化器会主动把误差找出来。作者也坦承只看推导不做习题的局限。
所属事件:实测与工具边界：模型提议，系统执行(3 条相关)→
「研究」频道最新
- ENPIRE 让编码 Agent 自主做机器人研究,灵巧任务成功率 99% — chris_j_paxton · 2026-10-09
- ICLR 2027 让 AC 自查审稿人冲突，被指根本无从下手 — shaohua0116 · 2026-10-09
- Dietterich 谈 OpenAI 数学模型：像整理已故数学家的笔记 — tdietterich · 2026-10-09
- 论文：写明罚款反而让 AI 智能体更不守规矩，合规率差 46 个百分点 — niloofar_mire · 2026-10-09
- Odyssey-3 实测：冻结主干训练 20 小时驾驶数据即可迁移 — testingcatalog · 2026-10-09
- Exa 发布 ATLAS 基准:最贵搜索 agent 仍漏掉约 1/3 关键结果 — yoimnotkesku · 2026-10-09