POMDP — 部分可观测马尔可夫决策过程

事实

在信息不完整时做序列决策的数学框架。

人话

POMDP像相亲时隔着滤镜聊天：你看不清对方全貌，只能凭几句线索，边猜边决定要不要继续。

它常用于机器人、自动驾驶和对话代理，适合边观察边行动。

相关概念

• Markov Decision Process（马尔可夫决策过程）
• 信念状态
• Reinforcement Learning｜强化学习
• Hidden Markov Model（隐马尔可夫模型）

Markov Decision Process
它是在 MDP 基础上，加上“看不全环境”的设定。

Belief State
看不清真实状态时，常靠信念状态来做决策。

Reinforcement Learning
很多现实强化学习任务，本质上都可建模成它。

Hidden Markov Model
它借了 HMM 的隐藏状态思路，但还要负责选动作。