Model-based RL专业
PL-MPC 在模型预测控制中同时改进 critic 监督、终端估计与策略蒸馏，真机 unseen 尺寸成功率超 TD-M(PC)2
PL-MPC 是 arXiv 预印本，未注明经同行评审。该方法在 TD-M(PC)2 上同步修改 critic 监督、MPC 终端值估计和 planner 到策略的转移，不改世界模型与 MPPI。在 HumanoidBench 的 balance-hard 上 TAR 从 98±18 升至 387±255，hurdle 从 199±13 升至 466±200；在 KUKA IIWA14 真机 wrench–nut 对齐中，训练尺寸和两个未见尺寸的观测成功率均高于 TD-M(PC)2。