arXiv · AI· L\'eonard Brice, Filip Cano, Krishnendu Chatterjee, Thomas A. Henzinger, Stefanie Muroya·· 4 天前AI 评分21
有限时域多环境POMDP的最优价值与策略计算
Multi-Environment POMDPs with Finite-Horizon Objectives
AI 导读
针对初始状态未知且对抗选择的有限时域多环境POMDP(MEPOMDP),证明了其最优价值与策略计算具有PSPACE完备性。 提出实用算法,证明混合至多n个确定性策略即可支持n个环境,在经典基准上显著优于既有算法。 该方法已获NeurIPS 2026主赛道接收。
来源:arXiv · AI · arxiv.org