Pomdp

释义 Definition

POMDP 是 Partially Observable Markov Decision Process 的缩写，中文常译为部分可观测马尔可夫决策过程：一种用于序贯决策的数学模型。与 MDP 不同，智能体无法直接看到环境的真实状态，只能通过不完全/带噪声的观测来推断状态，并在不确定性下选择动作以最大化长期回报。（在机器人、对话系统、规划与强化学习中常见。）

发音 Pronunciation

/ˌpiː oʊ ˌɛm diː ˈpiː/

例句 Examples

I’m modeling the robot’s navigation as a POMDP.
我把机器人的导航问题建模为一个 POMDP。

Because the agent only receives noisy sensor readings, we maintain a belief state and solve the task as a POMDP to choose actions under uncertainty.
由于智能体只能获得带噪声的传感器读数，我们维护一个信念状态，并将任务作为 POMDP 来求解，以在不确定性下选择动作。

词源 Etymology

POMDP 来自首字母缩写：Partially Observable Markov Decision Process。该术语在人工智能与运筹学/控制领域用于扩展经典 MDP，以表达“状态不可完全观测”的现实情形。

相关词 Related Words

• Belief
• Inference
• Uncertainty
• Observation
• Policy
• Markov
• MDP
• Reinforcement
• Planning

文学与经典著作 Literary Works

• Artificial Intelligence: A Modern Approach（Stuart Russell & Peter Norvig）——在不确定性下的决策与规划部分常讨论/提及 POMDP。
• Reinforcement Learning: An Introduction（Richard S. Sutton & Andrew G. Barto）——在“部分可观测”情形与相关扩展中涉及 POMDP 概念。
• “Planning and acting in partially observable stochastic domains”（Kaelbling, Littman & Cassandra, 1998）——经典综述论文，系统阐述 POMDP 的表示与求解思路。