Décider sous observabilité partielle
Un agent qui ne voit pas dans quel état il se trouve doit agir sur une distribution à la place. Cette distribution est, elle, toujours observable, ce qui ramène le problème à un MDP - sur un espace continu, où les algorithmes exacts ne se referment pas.
Connectez-vous pour passer les quiz, gagner des XP et débloquer les étapes en atteignant 90% de maîtrise.
États de croyance et mise à jour
25 min · 100 XPRemplacer l’état inconnu par une distribution sur les états, l’étape de filtrage qui la maintient, et la raison pour laquelle un capteur bruité ne peut pas amener cette distribution à la certitude, quelle que soit la durée d’observation.
Ouvrir la leçon →Connectez-vous pour passer le quiz de 3 questions.
Les POMDP comme MDP sur les croyances
30 min · 120 XPLa réduction qui transforme un problème partiellement observable en un problème totalement observable sur les croyances, les plans conditionnels comme hyperplans, et la fonction de valeur linéaire par morceaux et convexe parce qu’elle en est un maximum.
Ouvrir la leçon →Connectez-vous pour passer le quiz de 3 questions.
Pourquoi la résolution exacte ne passe pas à l’échelle
30 min · 120 XPLe décompte des plans conditionnels, la croissance mesurée de l’ensemble non dominé sous itération exacte sur les valeurs, et les deux choses que fait la pratique à la place : discrétiser l’espace des croyances, ou l’échantillonner en ligne.
Ouvrir la leçon →Connectez-vous pour passer le quiz de 3 questions.