GammaZero：基于图表示学习引导POMDP信念空间搜索
人工智能
2026-03-31 v2
摘要
我们提出了一种不确定性感知的图表示框架，用于学习引导部分可观测马尔可夫决策过程（POMDP）中的信念空间搜索。与现有需要特定于领域或问题规模的神经网络架构不同，GammaZero利用统一的图基信念表示，实现了在同一领域内不同规模问题之间的泛化。我们的关键洞察是，信念状态可以系统性地转换为不确定性感知图，其中在小规模问题上学习到的结构模式可迁移到更大规模实例。我们采用带解码器架构的图神经网络，从专家演示中学习价值函数和策略，然后将这些所学的启发式方法应用于更大规模问题的蒙特卡洛树搜索。在标准POMDP基准测试中进行的实验结果表明，GammaZero在训练和测试使用相同规模问题时，能够达到与BetaZero相当的性能；而且能够实现对训练时未见过的规模为2-6倍的大问题进行零样本泛化。
引用
@article{arxiv.2510.14035,
title = {GammaZero: Learning To Guide POMDP Belief Space Search With Graph Representations},
author = {Rajesh Mangannavar and Prasad Tadepalli},
journal= {arXiv preprint arXiv:2510.14035},
year = {2026}
}
备注
10 pages content. 2 pages references. 2 pages appendix. Updated paper with more results from multiple domains and added appendix