LESSON wm.0.3 · 代码 · 140 分钟
造一个最小可运行世界模型
造一个最小可运行世界模型：理解GridWorld、action-conditioned dynamics、rollout、模型预测控制，完成“训练下一状态预测器并让智能体用想象选动作”。属于「从语言走向世界」学习阶段。
学完你应该能够
- 能不用术语堆砌，解释「造一个最小可运行世界模型」解决了什么问题。
- 能围绕 GridWorld、action-conditioned dynamics、rollout 画出变量与因果关系。
- 能完成「训练下一状态预测器并让智能体用想象选动作」，并用证据而不是感觉判断结果。
核心概念
GridWorld
GridWorld把候选动作送入学习到的转移模型，得到后续状态或观察的预测轨迹；模型预测控制比较整条轨迹的目标值与约束，只执行当前一步再根据新观察重规划。必须同时报告单步误差和多步滚动失败率。
action-conditioned dynamics
action-conditioned dynamics把候选动作送入学习到的转移模型，得到后续状态或观察的预测轨迹；模型预测控制比较整条轨迹的目标值与约束，只执行当前一步再根据新观察重规划。必须同时报告单步误差和多步滚动失败率。
rollout
rollout把候选动作送入学习到的转移模型，得到后续状态或观察的预测轨迹；模型预测控制比较整条轨迹的目标值与约束，只执行当前一步再根据新观察重规划。必须同时报告单步误差和多步滚动失败率。
模型预测控制
模型预测控制把候选动作送入学习到的转移模型，得到后续状态或观察的预测轨迹；模型预测控制比较整条轨迹的目标值与约束，只执行当前一步再根据新观察重规划。必须同时报告单步误差和多步滚动失败率。
实践任务
训练下一状态预测器并让智能体用想象选动作
- 预测：在运行代码前，写下你预期的输出、趋势或失败位置。
- 构建：先写接口和 shape 断言，只保留回答核心问题所需的最小组件。
- 验证：使用状态转移表、手算 belief update 与多步 rollout 成功率；保存参数、随机种子与原始结果。
- 迁移：增加部分可观察性、随机性或新动作后重新规划，说明原结论是否仍成立。