#HTC²

一篇物理控制的探索方法论文，HTC² 用 Hamiltonian 相空间结构加多步时序对比学习算内在奖励，在 DeepMind Control Suite 六个任务上和 ICM、Plan2Explore 这些老方法比了个遍，做 RL 探索的可以看看。