用世界模型隐空间散度做驾驶模仿学习，研究者热议奖励设计

研究者提议在世界模型隐空间中度量智能体与专家轨迹的散度，将驾驶模仿学习转化为 on-policy RL 问题。相关方法 DITTO（arXiv:2302.03086）先训练世界模型，再从专家起点展开并以多步隐空间散度施罚，在 Atari 像素环境达到 SOTA 性能与样本效率，且无需在线环境交互。