POMDP

POMDP扩展了MDP，引入观测函数和信念状态，智能体根据历史观测维护对状态的信念分布。求解POMDP通常采用近似方法，如点基值迭代、蒙特卡洛树搜索和深度强化学习（如DRQN）。POMDP能建模真实世界的不确定性，但计算复杂度高。典型应用包括自动驾驶中的感知决策、对话管理中的用户意图跟踪。