具有状态请求的 POMDP 在线规划

基于摘要分析。研究针对部分可观测环境中“完整状态信息可获取但代价高昂”的在线决策问题，提出 AEMS-SR（Anytime Error Minimization Search with State Requests），在 POMDP 规划中处理状态请求。原论文的主要对象是通用在线规划，而非 EEG 信号建模或 BCI 解码。 核心机制是将搜索空间表示为图而非树，以避免状态请求导致的搜索空间指数增长。状态请求的现实例子包括启用精确但耗能的传感器，或向人类咨询信息。作者报告，理论分析给出 AEMS-SR 的 ε-最优性保证；该保证所依赖的假设、误差定义及搜索终止条件尚未验证。 作者报告，经验评估显示 AEMS-SR 相比 AEMS 和 POMCP 有效，但摘要未提供测试域、请求成本设置、计算预算、评价指标或具体数值，因此尚不能判断收益大小及适用范围。实验协议、消融及统计信息尚未验证；复现还需核对状态请求的形式化定义、图节点与共享搜索信息的表示，以及基线预算和实现条件。 平台推测（待验证）：若某类 BCI 辅助决策任务可建模为 POMDP，并存在付费或耗时的信息请求，例如用户确认，那么该方法可能用于权衡执行动作与请求信息，而不是直接改善 EEG 解码。这一假设依赖可用的状态转移、观测与请求成本模型；可考虑复用图式搜索机制，但需改造状态、动作、观测及成本定义。低信噪比、跨被试差异、通道变化和小数据可能使观测模型失准；用户确认也不一定等于取得完整状态，因此不能直接套用原保证。一个可证伪的小实验是在固定观测模型与计算预算的模拟辅助决策任务中，对比 AEMS-SR、AEMS 和 POMCP 的累计回报、请求成本与规划耗时，并改变观测噪声及请求可靠性。相关 EEG/BCI 工作尚未检索确认。