world2vec 不靠奖励学世界模型：参数少一个数量级，还能从 71 个吸引子里读出系统
world2vec 只用观测和动作、不用奖励信息，学习一个把物理状态换成隐坐标的编码器和描述其演化的隐动力学。它要求编码后的未来与在隐空间里滚动积分得到的结果一致，这一条件只依赖观测和动作即可计算。在 Pendulum、Reacher、Cartpole 三个 MuJoCo 环境上，它用比 DreamerV3、TD-MPC2、LeWM 至少少一个数量级的参数完成从像素出发的连续控制，并在 71 个吸引子的基准上做系统辨识。