面向POMDP信号与控制的信息论元动态规划

摘要

本文研究了部分可观测马尔可夫决策过程（POMDP）中同时进行信号传输与控制的信息论表征，将问题建模为在平均成本约束下最大化从动作到观测的定向信息的随机控制策略优化。作者提出了一种新颖的动态规划框架，其中状态定义在条件概率分布空间上，形成了高层“元”动态规划，并证明了两个耦合信息状态（系统状态的后验分布及其上的分布）满足马尔可夫递归，为最优控制提供了充分统计量。