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
阶段一：学习世界模型（Dynamics Learning）
阶段二：在潜空间中想象（Behavior Learning）
阶段三：与环境交互（Environment Interaction）
PlaNet 和 Dreamer 的异同
PlaNet = 世界模型（RSSM） + 在线实时推演找最优解 。
Dreamer = 世界模型（RSSM） + 离线在梦境中训练 Actor/Critic + 依靠 Actor 实时反应 。
PlaNet 不是 Dreamer 的前奏，而是它的“前身”。Dreamer 是站在 PlaNet 的肩膀上，把耗时的“在线规划”替换成了更优雅、更具长远目光的“梦境 Actor-Critic 训练” 。
相同点
不管是 PlaNet 还是 Dreamer，它们认识世界的方式是一模一样的 。它们都会收集过去的经验，然后训练 RSSM（循环状态空间模型）。
不同点
有了“预测未来”的能力后，它们采取了不同的战术
