博客地址：https://www.cnblogs.com/zylyehuo/
参考链接：从DreamerV1到DreamerV3｜Model-based RL的学习之路
DreamerV3 的主要贡献
但是其实需要摄像头一直朝向前方，如果摄像头有发生左转或者右转，出现跳变的话，会比较难预测。
DreamerV3 在 DreamerV2 上的改动
在 encoder 和 decoder 上有非常多的种类
DreamerV3 的架构和 DreamerV2 是差不多的
实现跨不同领域【主要的三个 trick】
通过这主要的三个 trick，能够让在不同的环境下尺度不一样的 reward 和 observation 的尺度统一在一个空间下。
让它的 World Model、Critic、Actor 的输入和输出在不同的环境下都统一，从而在不同的环境下达到很好的效果。
Symlog and Symexp
把不同目标（不同量纲）都映射到同一个平滑的区域，让不同量纲的 loss 的 scale 到同一个空间里面。
Twohot Encodeing
onehot 是把一个单词映射成一个向量
twohot 是把一个连续值映射成两个离散值那网络就变成只要预测离散的值就可以了，将回归任务变成一个分类任务
Returns Normalization
用在 Actor 的更新上
能让稀疏情况下的 reward 能够更好的进行归一化，能够在奖励稀疏的情况下更好地训练 Actor