# 分块世界模型

基于模型的强化学习改用分块世界模型做可微的训练期评估器，一次前向生成H步假设轨迹并直接优化价值展开，在HumanoidBench的19个高维人形任务上评估，并部署到真实四足与双足行走。

基于模型的强化学习改用分块世界模型做可微的训练期评估器，一次前向生成H步假设轨迹并直接优化价值展开，在HumanoidBench的19个高维人形任务上评估，并部署到真实四足与双足行走。