arXiv · cs.AI· Durgam Latha·· 8 天前AI 评分23
鲁棒 (PO)MDP 的奖励目标：与（部分可观测）博弈的保律等价性
Reward Objectives for Robust (PO)MDPs: A Law-Preserving Equivalence with (Partially Observable) Games
来源与原文
arXiv · cs.AI
作者：Durgam Latha
发布时间：（北京时间）
阅读原始来源 · arxiv.org ↗完整链接与内容说明
https://arxiv.org/abs/2610.26568v1
本站目前仅有 AI 导读与摘要，未展示原文正文；技术细节、代码和完整结论请查看原始来源。
AI 导读
该 arXiv 论文研究鲁棒部分可观测马尔可夫决策过程（RPOMDP）在四种奖励目标（折扣和、长期平均、有限与无限时域累计奖励）下的求解问题，涵盖期望值、mean-variance、CVaR 和 entropic risk 四种风险度量。作者提出统一框架，证明 (s,a)-rectangular RPOMDP 与部分可观测随机博弈（POSG）在保律风险度量下可通过 logspace 归约相互等价，并由此推出新的计算复杂度结果：求解 (s,a)-rectangular RMDP 与求解 simple stochastic games 一样难。
来源：arXiv · cs.AI · arxiv.org