通过滤波信念改进部分可观测马尔可夫决策过程的训练结果
人工智能
2021-01-07 v1
摘要
在本研究中，我提出了一种滤波信念方法，用于改进部分可观测马尔可夫决策过程（POMDPs）的性能，该过程是一种广泛用于自主机器人及许多涉及控制策略的其他领域的方法。我的方法搜索并比较每一对相似的信念。由于相似信念对控制策略影响甚微，故将该信念滤除以减少训练时间。实证结果表明，所提方法在点近似 POMDPs 的训练结果质量及方法效率方面均优于后者。
引用
@article{arxiv.2101.02178,
title = {Improving Training Result of Partially Observable Markov Decision Process by Filtering Beliefs},
author = {Oscar LiJen Hsu},
journal= {arXiv preprint arXiv:2101.02178},
year = {2021}
}
备注
7 pages with rich pictures to show the idea of POMDP