摘要
应急规划问题建模了那些对其状态拥有部分信息的智能体，它们可以利用感知动作来观察和推理未知值。这类问题可以通过在线方法高效求解，即智能体每次通过感知获得新信息时重新规划。在本文中，我们研究了不安全PPOS（U-PPOS）问题，其中输入规范可能包含不安全事实——即模型中假定的值与实际值不同的事实。具体而言，我们考虑假阳性（FPs），即被假定为真但实际上为假的事实，以及假阴性（FNs），即被假定为假但实际上为真的事实。假阳性可能导致规划器出现动作失败，而假阴性可能导致智能体误认为死胡同存在。我们提出了检测和处理这两类不准确性的方法，建立了它们的理论性质，并在一组基准领域中评估了其性能。
