CAR-MCTS：带 anytime 确定性保证的鲁棒 MCTS

研究者提出 CAR-MCTS，一个基于确定性界引导的鲁棒蒙特卡洛树搜索（MCTS）在线规划器，声称可在不枚举完整状态空间的情况下，为在线规划与策略评估同时提供 anytime 确定性最优性保证。这是首个具备此类保证的可扩展鲁棒 MCTS 规划器。 其做法是用确定性界引导搜索，约束未采样轨迹对值的贡献，随采样支撑扩大而收紧并收敛到真实鲁棒值，并据此剪掉可证次优的分支、在最优根动作被认证后终止；论文报告实验验证了分支剪枝与根动作认证的效果。 上述结论来自论文作者自述及摘要证据，尚属方法层面的主张，实际最优性保证的适用范围与实验条件有待读者按原文核验。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。