计算机科学 > 人工智能
[提交于 2025年7月16日
]
标题: 部分可观测参考策略编程:无需数值优化求解POMDPs
标题: Partially Observable Reference Policy Programming: Solving POMDPs Sans Numerical Optimisation
摘要: 本文提出了部分可观测参考策略编程,一种新颖的随时在线近似POMDP求解器,它在深入采样有意义的未来历史的同时,强制进行渐进的策略更新。 我们为算法的基本方案提供了理论保证,这些保证指出性能损失由采样近似误差的平均值而不是通常的最大值来限定,考虑到在线规划中的采样稀疏性,这是一个关键要求。 在两个具有动态演变环境的大规模问题上的实证评估——包括科西嘉地区的一个直升机紧急情况,需要大约150个规划步骤——证实了理论结果,并表明我们的求解器明显优于当前的在线基准。
文献和引用工具
与本文相关的代码,数据和媒体
alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)
演示
推荐器和搜索工具
arXivLabs:与社区合作伙伴的实验项目
arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。
与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。
有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.