本文针对深度强化学习（DRL）在部分可观测马尔可夫决策过程（POMDP）中的性能差异问题，系统研究了PPO、TD3和SAC三种主流算法。研究发现，在MDP任务中表现优异的TD3和SAC在POMDP设置下性能显著下降，而PPO却展现出相对优势。通过多步自举（multi-step bootstrapping）等 ...

本文针对深度强化学习（DRL）算法在部分可观测马尔可夫决策过程（POMDP）中性能表现不一致的问题，研究了PPO、TD3和SAC三种主流算法在POMDP环境下的表现。研究发现，在MDP任务中表现优异的TD3和SAC在POMDP任务中性能显著下降，而PPO则表现出更强的鲁棒性。