通过 CVaR 进行风险规避在线 POMDP 规划，计算即时成本并提供履约保证

摘要

arXiv:2609.35874v1 Announce Type: new Abstract: Online POMDP planners optimize the expected cumulative cost, which can mask dangerous states when the belief places significant mass on high-cost states...

the cost risk belief POMDP expectation and value based standard

2026-09-30 1 阅读约1分钟阅读 Yaacov Pariente, Vadim Indelman

arXiv:2609.35874v1 公告类型：新摘要：在线 POMDP 规划者优化预期累积成本，当信念将大量质量置于高成本状态时，这可以掩盖危险状态。现有的风险规避方法将静态或动态的条件风险价值（CVaR）应用于价值函数，捕获轨迹级风险，但存在两个差距：（i）通过保留直接成本作为对信念的状态依赖成本的期望，信念中的风险\emph{没有得到解决； (ii) 通过修改价值函数，他们需要新的定制算法，而不是重用现有的基于期望的规划器。相反，我们将 CVaR 应用于每一步信念的直接成本，直接针对当前状态的每一步不确定性。标准预期累积回报被保留为目标，因此产生的问题具有标准的 MDP 结构：任何基于期望的 POMDP 规划器都可以通过仅更改成本计算来使风险敏感。我们继承了策略评估和稀疏采样的有限时间保证（估计误差与风险水平无关），并且作为我们的核心理论结果，证明了粒子置信 MDP 替代项和原始 POMDP 之间差距的有限时间界限，它们共同产生了从真实 POMDP 值到算法估计的端到端保证。在风险中性限度内，公式恢复了标准的基于期望的计划。

订阅66必读