标签
本文提出一种风险规避的在线POMDP规划方法，在每一步对信念上的即时成本应用CVaR，同时保留标准的期望累计回报目标，从而可复用现有的基于期望的规划器。作者证明了策略评估、稀疏采样以及粒子信念MDP代理与原始POMDP之间差距界的有限时间保证，并在风险中性极限下退化为标准规划。