フルランクの行動と状態観測可能性の枠組みを超えたPOMDP学習に向けて

要約

本研究は、家具の隠しロック機構のような隠れ状態を持つシステムを、自律エージェントが学習・推論するための手法を提案します。離散部分観測マルコフ決定過程（POMDP）として問題を定式化し、アクションの遷移行列がフルランクであることや状態が完全観測可能であることといった従来の仮定を緩和しつつ、遷移・観測確率を学習する方法を探求しています。

全文は有料プランで閲覧できます。