高级人工智能第十章 - 强化学习.pptVIP

* * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * 强化学习 史忠植 * Framework of POMDP POMDP由六元组S, A, R, P,Ω,О定义。其中S, A, P, R定义了环境潜在的马尔可夫决策模型上，Ω是观察的集合，即系统可以感知的世界状态集合，观察函数О：S×A→PD（Ω）。系统在采取动作a转移到状态s′时，观察函数О确定其在可能观察上的概率分布。记为О（s′, a, o）。 [1] Ω可以是S的子集，也可以与S无关 * 强化学习 史忠植 * POMDPs What if state information (from sensors) is noisy? Mostly the case! MDP techniques are suboptimal! Two halls are not the same. * 强化学习 史忠植 * POMDPs – A Solution Strategy SE: Belief State Estimator (Can be based on