课程路线图

讲义与项目组成的一条主线

讲义和项目不是两条分开的路线，而是一门课程的两个部分。项目在路线中出现时就停下来完成它。项目保存的检查点会成为下一阶段分析和训练的具体对象，让后续概念始终依附于你已经观察和训练过的系统。

阶段	先阅读	再实践	完成后应该能解释
状态估计与表示	L01，然后读 L02“观察、状态与信念”和“观测编码”	P01：训练 VAE 编码器	观察为何不等于状态，编码器保留和舍弃了什么信息
动力学与 rollout	L02“潜在动力学”“训练分布与自由 rollout”及 Dreamer 系列	P02：构建 RSSM	有用的潜在状态为何需要记忆与不确定性，单步准确为何不能保证长时程稳定
控制	L03“规划与控制”	P03：训练 Dreamer 智能体	想象轨迹如何训练 actor 与 critic
替代架构	L03“骨干选择”	P04：替换动力学骨干	何种瓶颈足以支持我们替换 RSSM
评估	L04	P05：构建评估仪表盘	每项指标分别诊断表示、rollout 或规划中的哪种故障
因果性	L04 后重读 L1-L5 能力阶梯	P06：检验反事实保真度	动作是否真正导致预测未来变化，而不只是与变化相关
前沿	L05	无必做项目	哪些开放问题属于经验、架构或哲学层面

L02 先问一个比压缩更早的问题：一张 64×64 图像没有展示速度和遮挡信息时，模型怎样估计当前状态？ 建立观察、状态与信念的区别后，再用变分自编码器（VAE）学习紧凑表示。

读完状态估计与编码部分就完成 P01，不要等到 L02 全部结束。随后回到动力学和自由 rollout 部分，把学到的表示接入 RSSM，再完成 P02。到这里，你会亲手写出本课程最重要的两个预测组件，并观察单步误差怎样在模型自己的输入分布中随时程变化。

L01 不要求编程，其中的数学补充均可选读。L02 假设读者掌握深度学习基础，并会在新工具第一次需要时进行解释。