markov-models - POMDP中值行的含义是什么？

Question

我正在研究 POMDP 文件格式并放弃这个和许多其他链接。我已经理解了所有内容，但我无法理解文件第二行中的 Value 代表什么。它的值是奖励或成本。在别处找不到答案。感到困惑，因为应该可以在一个文档中包含成本和奖励，不是吗？为什么我必须指定其中之一？在文件的其余部分中也没有任何地方没有使用该值。

Answer 1

在 POMDP 中，您可以使用奖励或成本来定义学习目标。唯一的区别是，在第一种情况下，您尝试最大化价值函数，而对于成本，您尝试最小化价值函数。

在POMDP 文件中，您可以定义使用哪一个：

values: [ reward, cost ]

当求解器读取POMDP 文件时，它将用定义的值解释R:为奖励或成本。