潛在動態模型（latent dynamics model）

當觀測龐大又雜亂——比方一串相機畫面——逐像素地預測下一張原始影像既浪費又脆弱。潛在動態模型（latent dynamics model）繞過這點：先把每個觀測壓縮成一個由關鍵特徵組成的小向量，也就是潛在狀態，再在這個精簡空間裡（而非原始像素裡）預測未來。

它由一個把觀測映到潛在狀態的編碼器，以及一個轉移函數構成——後者在給定當前潛在狀態與動作時，預測下一個潛在狀態與獎勵，兩者一起學習。規劃與策略學習於是完全在這些小向量上進行，這便宜得多，也逼著模型只保留對控制重要的東西。旁邊可能還訓練一個解碼器，好讓潛在狀態必須保留足夠資訊去重建所見。

回報是智能體能很快想像出成千上萬個未來，因為每一步只是一次微小的向量更新，而不是一整張影像的預測。風險則是學到的特徵可能丟掉了任務暗中需要的東西，或者以難以檢查的方式漂移，因為這個空間並非人類可讀。