Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.12186

帮助 | 高级搜索

计算机科学 > 人工智能

arXiv:2507.12186 (cs)
[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

Authors:Edward Kim, Hanna Kurniawati
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。
摘要: This paper proposes Partially Observable Reference Policy Programming, a novel anytime online approximate POMDP solver which samples meaningful future histories very deeply while simultaneously forcing a gradual policy update. We provide theoretical guarantees for the algorithm's underlying scheme which say that the performance loss is bounded by the average of the sampling approximation errors rather than the usual maximum, a crucial requirement given the sampling sparsity of online planning. Empirical evaluations on two large-scale problems with dynamically evolving environments -- including a helicopter emergency scenario in the Corsica region requiring approximately 150 planning steps -- corroborate the theoretical results and indicate that our solver considerably outperforms current online benchmarks.
评论: 8页,2表,3图。将在2025年国际人工智能联合会议上演示
主题: 人工智能 (cs.AI)
ACM 类: I.2.8; I.2.9
引用方式: arXiv:2507.12186 [cs.AI]
  (或者 arXiv:2507.12186v1 [cs.AI] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.12186
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Edward Kim [查看电子邮件]
[v1] 星期三, 2025 年 7 月 16 日 12:33:32 UTC (1,945 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.AI
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

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

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

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.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号