★ 2
基于CVaR的在线POMDP风险规避规划
论文提出对每步即时成本在信念分布上施加CVaR，直接针对当前状态的不确定性，而非修改价值函数。该方法保留标准期望累积回报目标，使任何基于期望的POMDP规划器只需改动成本计算即可获得风险敏感性。作者给出策略评估与稀疏采样的有限时间保证，并证明粒子信念MDP代理与原始POMDP之间的有限时间误差界，…
arXiv cs.AI33 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文提出对每步即时成本在信念分布上施加CVaR，直接针对当前状态的不确定性，而非修改价值函数。该方法保留标准期望累积回报目标，使任何基于期望的POMDP规划器只需改动成本计算即可获得风险敏感性。作者给出策略评估与稀疏采样的有限时间保证，并证明粒子信念MDP代理与原始POMDP之间的有限时间误差界，…