在基于采样的成本最小化中利用先验信息

我们考虑一个自动驾驶车辆(AV)智能体，它在时间跨度$T$内，针对状态序列$s_{1:T}$和动作序列$a_{1:T}$，在某个固定、已知（尽管可能通过学习获得）的成本函数$C(s_t,a_t)$、近似系统动力学$P$以及初始状态分布$d_0$下，执行一个长期成本最小化问题。目标是最小化从初始状态开始的行驶轨迹$\tau = s_1, a_1, ..., s_T, a_T$的期望未来成本。