因果 POMDP 處理分佈偏移規劃

🔑 增強重點摘要

• •該框架將狀態因子化為潛在狀態與領域，並將分佈偏移嵌入代理信念與規劃過程中，支持特定偏移下的政策評估[1]。
• •因果POMDP允許同時識別未知分佈偏移並規劃，透過聯合信念更新狀態與領域[1]。
• •相關研究證明，對分佈偏移穩健的代理必須學習環境因果模型，即使在中介決策任務中，並可從最優政策預言機中提取因果知識[2][3]。

🛠️ 技術深入

• •分佈偏移形式化為底層因果模型中的干預，可直接嵌入代理信念[1]。
• •價值函數維持分段線性凸形（PWLC），支援α-向量規劃算法[1]。
• •使用聯合信念更新潛在狀態與領域，支持部分可觀測變化環境的穩健規劃[1]。
• •相關工作中引入LearnCID算法，從穩健代理的最優政策中重建因果模型結構與條件機率表（CPTs），適用於單代理與多代理POMDP[2][3]。

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線