发表时间：2020（ICML 2020）
文章要点：这篇文章想说model based方法在data efficiency和planning方面都具有天然优势，但是model的泛化性通常是个问题。这篇文章提出学一个context相关的latent vector，然后用model去predict的时候会基于这个latent vector去做，这在一定程度上捕捉了环境变化的特征，使得model会根据latent vector的变换而调整。此外作者设计了一个loss function，使得model不仅去前向预测，还有一个model去做后向预测（predicting both forward and backward dynamics），作者说这样做有助于增强泛化性。
具体地，latent vector通过一个encoder实现

这里，\(g\)是encoder网络，\(\phi\)是网络参数，\(\tau\)是过去K条轨迹

相当于说，给定过去K条轨迹，就输出一个当前dynamics的latent vector。另外，作者说并不是直接输入state，而是输入state的差，即

然后基于这个latent vector去训一个前向预测模型f（forward dynamics model）和一个后向预测模型b（backward dynamics model）


整个loss为

其中\(\tau_M\)是前向轨迹，\(\tau_K\)是后向轨迹。训好了之后就拿这个model去做planning就好了。此外，作者还直接把训好的latent vector用在model free算法上作为输入，作者说这也能提高model free算法的泛化性。整个算法流程如下

总结：idea感觉很自然也很简单，就相当于说给一个dynamics的先验。主要还是在做实验，关于那些loss啥的，应该是做实验发现效果好吧。
疑问：这个loss function感觉没写完吧，只写了预测，没有写反传的label啊。而且这个f和b不是预测状态吗，为什么要取个log，难道输出的是个概率？如果是概率的话，那这个f和b是输出预测状态的分布，那就是有限个状态的概率分布？
还有算法伪代码里面，最后encoder和dynamics model的更新是分开写的，那这个更新就不是同时更新的，而是一个一个轮流更新的？