2025_NIPS_Efficient RL with Impaired Observability: Learning to Act with Delayed and Missing Stat...

文章核心总结与翻译

一、主要内容

本文聚焦强化学习（RL）中“观测受损”问题，针对状态观测存在延迟和缺失两种场景，开展理论研究与算法设计。核心是通过构造增强马尔可夫决策过程（augmented MDP），在不依赖原始系统全观测的前提下，实现高效学习，同时量化观测受损对策略性能的影响。

核心研究场景

1. 延迟观测场景：观测结果因传输延迟等原因，无法实时获取，仅能拿到历史状态和动作序列。
2. 缺失观测场景：观测信息因信道损耗等永久丢失， agent 需基于不完整历史决策。

关键成果

1. 延迟观测场景：提出算法实现O~(H4SAK)\tilde{O}(H^4\sqrt{SAK})