如何处理不确定的位置？

Question

我正在研究汽车跟随问题，我收到的测量结果不确定（我知道噪音模型是高斯模型，它的方差也是已知的）。如何在这种不确定性中选择我的下一步行动？

基本上我应该如何更改成本函数，以便通过选择适当的操作来优化我的计划？

Answer 1

香草强化学习适用于马尔可夫决策过程，它假定您可以完全观察状态。因为你的州很吵，你有一个Partially observable Markov decision process。从理论上讲，你应该看一下不同类型的RL方法。

实际上，由于您有关于不确定性参数的大量信息，您应该考虑使用Kalman或particle filter来执行状态估计。然后，将最可能的状态估计值用作RL问题中的真实状态。当然，估计有时会是错误的，但如果您使用函数逼近方法进行价值函数，那么经验可以在相似的状态中推广，并且您将能够学习。学习成绩将与州估计的质量成正比。