Teacher forcing
每一步都给真实观测，训练稳定，但可能掩盖误差累积。
诊断 open-loop rollout 的误差累积
两种预测方式
Open-loop / imagination
用模型自己的预测继续往前走，更接近真实使用场景。
本地结果
tiny RSSM 的验证 obs MSE 是 0.04346，但 64 步 open-loop rollout MSE 达到 212.97 px/coordinate。这个差距正是误差累积。
实践：读 rollout 图
- 找出第一个明显偏离的步数。
- 判断是 x 还是 y 更难预测。
- 提出一个改进：更长序列、动作归一化、更大 latent，还是加入图像观测？
关键结论
不要只报 val loss
world model 必须报告 open-loop horizon 和误差曲线，否则无法判断能否用于想象训练。
检索练习
Open-loop rollout 的主要风险是什么？
选择一个答案
模型把自己的预测当作下一步输入，小误差会随时间放大。
本课一手来源
参考 DreamerV3 中的 imagination 训练。
有疑问就问
把不理解的地方直接发给老师/agent，最好附上你观察到的现象和报错。
Course file: lessons/0007-open-loop-rollout.html