正版全新
-
作者:
蒲源
-
出版社:
电子工业出版社
-
ISBN:
9787121537103
-
ISBN:
9787121537103
-
出版时间:
2022-12
售价
￥
88.54
7.5折
定价
￥118.00
品相
全新
上书时间2026-11-09
卖家超过10天未登录
-
-
商品描述：
-
【书 名】 世界模型：从预测、规划到具身智能
【书 号】 9787121537103
【出 版 社】 电子工业出版社
【作 者】 蒲源
【出版日期】 2025-10-01
【定 价】 118.00元
【内容简介】
本书以“世界模型”为主线，介绍从决策智能基础到通用智能体的技术演进过程。全书内容沿两条脉络展开。第*条脉络追踪世界模型本身的发展：从依赖人工规则和模拟器的树搜索（如AlphaZero），到MuZero在隐状态空间中学习价值等价表示并结合树搜索规划，再到基于循环状态空间的预测模型（Dreamer系列）――世界模型从封闭的规则逐步演变为可以从数据中学习进化的环境动力学模型和系统。第二条脉络关注应用领域的拓展：从虚拟仿真环境走向真实物理世界，探讨自回归世界模型、交互式生成模型，以及视觉－语言－动作模型的技术原理与规模化扩展方式，分析这些方法如何突破模拟与现实的边界。两条脉络在智能体强化学习中交汇：世界模型不仅是环境的“模拟器”，也是支撑自主决策的核心组件。
【目录】
第*部分认知基石
第1 章绪论3
1.1 智能的本质：在不确定性中进行预测与规划3
1.1.1 智能的多维定义3
1.1.2 不确定性：物理世界的本质特征4
1.1.3 预测与规划：智能的双翼5
1.1.4 人类智能中的预测与规划8
1.2 世界模型：连接感知与行动的桥梁9
1.2.1 世界模型的定义与功能9
1.2.2 无模型与有模型方法的对比13
1.3 技术演进路线15
1.3.1 从无模型到有模型15
1.3.2 从判别式到生成式16
1.3.3 迈向基础世界模型18
1.4 本章小结21
第2 章学习与搜索的数学基础22
2.1 序列决策问题与马尔可夫决策过程23
2.1.1 马尔可夫决策过程与马尔可夫性质23
2.1.2 策略、价值函数与贝尔曼方程24
2.1.3 求解马尔可夫决策过程的经典方法25
2.2 从分类到预测：策略与价值的函数近似26
2.2.1 神经网络作为通用函数近似器26
2.2.2 价值函数近似：从Q-Learning 到DQN 27
2.2.3 策略函数近似：策略梯度方法28
2.2.4 变分推断30
2.2.5 从无模型到有模型强化学习32
2.3 规划方法概览33
2.3.1 模型预测控制33
2.3.2 经典启发式搜索34
2.3.3 基于梯度的轨迹优化35
2.3.4 符号规划35
2.3.5 规划方法的对比与选择36
2.4 蒙特卡洛树搜索37
2.4.1 规划范式37
2.4.2 从Rollout 算法到MCTS38
2.4.3 MCTS 四步法39
2.4.4 UCB 算法与UCT 算法：探索与利用的平衡41
2.4.5 MCTS 的理论性质42
2.5 学习与搜索的互补43
2.5.1 系统1：神经网络的快速直觉43
2.5.2 系统2：MCTS 的深思熟虑44
2.5.3 双系统协作：AlphaZero 的成功范式44
2.5.4 系统2 的两种形式46
2.6 实践案例：构建一个基于纯搜索的决策智能体46
2.6.1 井字棋环境定义47
2.6.2 MCTS 节点与核心算法实现48
2.6.3 案例小结与扩展思考53
2.7 本章小结53
第二部分决策导向的世界模型
第3 章神经网络引导的搜索57
3.1 策略价值网络的融合架构58
3.1.1 引入神经网络的必要性分析59
3.1.2 双头结构59
3.1.3 训练目标65
3.2 探索与利用的平衡65
3.2.1 MCTS 中的探索与利用65
3.2.2 PUCT：先验引导的探索机制66
3.2.3 Dirichlet 噪声与温度参数68
3.2.4 在不同训练阶段的探索与利用平衡71
3.3 自我博弈：从零开始的数据生成与策略迭代72
3.3.1 为什么需要自我博弈72
3.3.2 自我博弈的完整流程73
3.3.3 自我博弈的理论洞察75
3.3.4 收敛性分析76
3.4 实践案例：以五子棋为例探究AlphaZero 的实现78
3.4.1 环境定义：五子棋78
3.4.2 策略价值网络80
3.4.3 基于PUCT 的MCTS 81
3.4.4 自我博弈训练循环83
3.4.5 运行示例与性能分析85
3.4.6 KataGo 与ELF OpenGo 的启示与扩展探究86
3.5 本章小结87
第4 章基于隐状态空间的规划89
4.1 从AlphaZero 到通用智能90
4.1.1 决策环境规则的局限性90
4.1.2 有模型强化学习的演进路径91
4.2 规划范式的演变：从生成式重建到隐状态空间预测92
4.2.1 分离式学习与联合式学习92
4.2.2 基于重建的表征学习94
4.2.3 基于价值等价原理的表征学习96
4.3 联合嵌入预测架构97
4.3.1 JEPA 家族的演进98
4.3.2 I-JEPA、V-JEPA 2 与VL-JEPA 100
4.4 无需规则的隐状态空间规划：MuZero 104
4.4.1 隐状态空间模型构建105
4.4.2 隐状态空间内的MCTS 106
4.4.3 端到端联合训练107
4.4.4 基于重分析的样本效率提升107
4.5 MuZero 家族的演进108
4.6 实践案例：MuZero 网络架构的实现109
4.6.1 环境设置与具体实现109
4.6.2 隐状态空间内的MCTS 实现114
4.6.3 端到端的训练流程115
4.6.4 训练动力学与表征特性分析116
4.7 本章小结117
第5 章基于隐状态空间规划的相关进展118
5.1 连续动作空间中的采样与规划118
5.1.1 Sampled MuZero 算法设计118
5.1.2 基于采样的策略提升120
5.1.3 树搜索与策略提升123
5.2 随机与部分可观测环境的适应性124
5.2.1 后状态：在搜索树中引入随机性124
5.2.2 随机模型与离散码本126
5.2.3 Stochastic MuZero 模型设计、训练与推断127
5.3 高效模型学习与采样策略130
5.3.1 EfficientZero 与高效模型学习130
5.3.2 MENTS 与*大熵策略133
5.3.3 Gumbel MuZero 与策略提升135
5.4 树搜索时间成本优化136
5.4.1 WU-UCT：并行化MCTS136
5.4.2 V-MCTS：虚拟扩展与自适应终止规则140
5.4.3 实践案例：Sampled MuZero 的实现141
5.5 本章小结145
第三部分生成导向的世界模型
第6 章基于循环状态空间的规划149
6.1 动力学的概率表征：从循环神经网络到循环状态空间模型150
6.1.1 确定性循环动力学的局限性150
6.1.2 循环状态空间模型154
6.2 在“梦境”中学习：基于想象的策略优化157
6.2.1 视界困境与不确定性：从MVE 到STEVE158
6.2.2 分支回放策略与可控误差：MBPO159
6.2.3 隐状态空间中的想象优化：Dreamer 系列160
6.3 架构演进：从Dreamer 到通用世界模型163
6.3.1 骨干网络革新：S4WM 与结构化状态空间世界模型164
6.3.2 多模态世界模型：语言作为未来预测信号166
6.3.3 针对特定瓶颈的结构化改造167
6.4 实践案例：Dreamer 的实现169
6.5 本章小结200
第7 章基于Transformer 的世界模型202
7.1 从循环状态空间模型到Transformer 202
7.1.1 序列依赖建模202
7.1.2 计算效率与记忆机制204
7.1.3 扩展定律206
7.2 基于离散隐状态空间的方法208
7.2.1 IRIS：离散自回归想象209
7.2.2 Δ-IRIS：上下文感知的词元化与高效建模213
7.3 基于连续与混合隐状态空间的方法214
7.3.1 STORM：随机性与确定性的混合建模215
7.3.2 UniZero：统一的可扩展隐状态空间规划217
7.4 实践案例：UniZero 的实现220
7.4.1 配置与启动220
7.4.2 核心源码解析与结果分析221
7.5 本章小结228
第8 章基于扩散模型构建世界模型230
8.1 生成模型基础230
8.1.1 生成对抗网络231
8.1.2 变分自编码器232
8.1.3 归一化流模型234
8.1.4 扩散模型235
8.1.5 流匹配与扩散模型的统一视角238
8.1.6 扩散模型为何适合构建世界模型241
8.2 Diffusion Transformer 242
8.2.1 从U-Net 到Transformer 的范式转变242
8.2.2 DiT 架构的核心设计243
8.2.3 扩散模型的扩展定律246
8.2.4 Stable Diffusion 3 与相关进展250
8.3 视频生成模型252
8.3.1 视频生成模型概览253
8.3.2 视频扩散模型的数学基础254
8.3.3 扩散模型的能力与挑战：以Sora 为例256
8.3.4 大规模视频生成的公开方案：Movie Gen 258
8.3.5 基于自回归世界模型的VideoPoet 259
8.4 扩散模型与世界模型：以DIAMOND 为例261
8.5 视频生成模型与物理规律263
8.6 实践案例：基于DiT 的图像生成266
8.6.1 实现过程与核心源码解析267
8.6.2 模型训练与结果分析272
8.7 本章小结274
第9 章基于交互的世界模型276
9.1 多模态统一表征277
9.1.1 视觉词元化277
9.1.2 时空表征的离散化278
9.1.3 统一序列接口280
9.2 多模态大模型的架构演变：从连接器范式到原生多模态281
9.3 全模态模型285
9.3.1 Qwen3-Omni 架构286
9.3.2 联合训练与高层世界模型288
9.4 动作条件生成与控制289
9.4.1 无监督动作发现290
9.4.2 多模态可控生成292
9.5 实践案例：Qwen3-Omni 交互式多模态推理294
9.5.1 交互式生成实现过程294
9.5.2 官方仓库的结果展示299
9.6 本章小结300
第四部分具身世界模型
第10 章视觉-语言-动作模型与机器人控制305
10.1 VLA 范式：视觉、语言与动作统一建模305
10.1.1 从专用策略到通用机器人策略306
10.1.2 统一文本与动作生成309
10.1.3 从语义泛化到动作推理311
10.2 联合微调：保持语义能力并注入控制能力313
10.2.1 异构数据的统一提示模板313
10.2.2 联合微调带来的迁移与泛化316
10.2.3 公开机器人数据集与跨形态数据生态316
10.3 离散动作控制的其他进展318
10.3.1 OpenVLA：双视觉编码器与参数高效适配318
10.3.2 GR-2：通过视频预测辅助动作规划322
10.4 实践案例：基于OpenVLA 的指令跟随微调323
10.4.1 动作量化与词元映射324
10.4.2 模型构建与LoRA 配置325
10.4.3 加载量化模型与模型训练326
10.4.4 闭环推理与控制328
10.5 本章小结330
第11 章通用具身策略332
11.1 问题设定333
11.2 基于扩散模型构建控制策略334
11.2.1 基于扩散模型的条件动作生成与动作块建模334
11.2.2 多峰动作分布建模336
11.2.3 从分数匹配到流匹配337
11.3 GenerativeRL：扩散策略的实践框架338
11.4 π 系列341
11.4.1 π0：基于预训练视觉语言模型的连续控制341
11.4.2 π05：开放世界泛化与动作表示扩展343
11.4.3 π?06：从静态模仿走向经验回流345
11.5 跨形态与跨任务的泛化能力构建345
11.5.1 核心问题：共享什么，适配什么345
11.5.2 代表性工作及更多相关进展346
11.6 虚实结合：利用世界模型生成训练数据349
11.6.1 先扩大视觉分布，再扩大物理分布349
11.6.2 世界模型：从环境随机化到环境生成350
11.7 本章小结352
第12 章智能体强化学习353
12.1 范式转变：从基于人类反馈的强化学习到智能体强化学习354
12.1.1 基于人类反馈的强化学习：单步决策的马尔可夫决策过程354
12.1.2 智能体强化学习：时间扩展的部分可观测马尔可夫决策过程35
![]()
孔网啦啦啦啦啦纺织女工火锅店第三课
开播时间：09月02日 10:30
即将开播，去预约
直播中，去观看
占位居中
