可以发现，核心的区别在于Belief MDP里是对观测量求和，MDP则是对状态量求和。在MDP里面，当前状态是确定的，动作也是确定的，但是下一步的状态是不确定的，因此求和的是值函数相对于状态的期望。在Belief MDP里，当前Belief State是确定的，动作是确定的，但是获取到的观测是不确定的，因此求和
可以发现，核心的区别在于Belief MDP里是对观测量求和，MDP则是对状态量求和。
有一种比较粗略的解释就是，MDP是基于MC过程之上赋以“controlled decision mechanism”，而POMDP可以理解...
部分可观测 是指系统的状态不能完全被观测到，只能通过观测到的一部分信息来推断系统的状态。这种情况通...
自动驾驶决策领域绕不开的就是不确定性的处理，而POMDP恰恰是不确定环境下决策问题的一种经典的建模方式...