约束分层蒙特卡洛信念状态规划

约束部分可观测马尔可夫决策过程（CPOMDP）中的最优计划在满足硬性代价约束的同时最大化奖励目标，推广了状态与转移不确定性下的安全规划。遗憾的是，在线 CPOMDP 规划在大型或连续问题域中极为困难。在许多大型机器人域中，分层分解可通过为高层动作基元（选项）提供底层控制工具来简化规划。我们引入约束选项信念树搜索（COBeTS）以利用该层次结构，将基于在线搜索的 CPOMDP 规划扩展到大型机器人问题。我们证明，若基元选项控制器被定义为满足分配的约束预算，则 COBeTS 将随时满足约束。否则，COBeTS 将引导搜索走向安全的选项基元序列，且可使用分层监视实现运行期安全。我们在多个安全关键的约束部分可观测机器人域中展示了 COBeTS，表明它能在连续 CPOMDP 中成功规划，而非分层基线无法做到。