bb5450697118009

http://nhiro.org.s3.amazonaws.com/2/5/25b22b9348c678136c440f82d8ca079e.jpg https://gyazo.com/25b22b9348c678136c440f82d8ca079e

(OCR text)

前回のおさらい

元のMDPがD次元ならbelief MDPの信念状態6は

BERDになって大変

幸いbelief MDP上の価値関数Vは区分線形で下に

凸なので、D次元ベクトルの集合で効率的に表現

できる

しかし厳密に計算するとベクトルの数が指数的

オーダーで増える。そこで定数個のベクトルで近

似するのがPoint Based Value Iteration

この両者を実装して2状態3行動で実験した。

10