开环 POMDP 简化与具形式性能保证的安全跳过重规划

部分可观测马尔可夫决策过程 (POMDP) 提供了决策在不确定性下的原则数学框架。然而，POMDP 的精确解计算上不可行。在本文中，我们通过引入基于拓扑的信念树实现自适应开环简化的新框架，解决了 POMDP 的计算不可行性问题。该框架交错地交织开环与闭环规划，显著降低了规划复杂度。关键贡献在于导出可高效计算的界限，提供形式化保证，可用于确保简化能够识别原 POMDP 问题的即时最优动作。我们的框架因此为 POMDP 中的宏动作提供了计算可行的性能保证。进一步，我们提出了一个在理论保证支持下安全跳过执行期间重规划的新框架，针对多步开环动作序列。据我们所知，本框架是首个在形式性能保证下处理跳过重规划的。我们开发了包括基于抽样的求解器和即时求解器于我们的简化方法。实证结果表明，在保持可证明性能保证的同时，实现了显著的计算加速，推动了 POMDP 规划的可行性和效率。