## 摘要 行星探测机器人最该去测哪块岩石往往不在事先画好的航点上。IROS 2026 的这篇论文只换了一个分支对象就把每步规划时间从 6.81 秒压到 4.57 秒减少 32.9%。 POMDPs for Autonomous Science Exploration 是 IROS 2026 的论文作者来自悉尼大学 ACFR 与澳大利亚国立大学 RDL Lab。它只改了一件事让规划树不再对几十维的光谱向量分支而是对「这块岩石是好是坏」这类**物理属性**分支。 结果在 15×15 网格、50 维观测上平均回报从 2.79 提到 3.31提升 18.6%每步计算时间从 6.81 秒降到 4.57 秒减少 32.9%。在真实 Cuprite 高光谱数据上它的信息增益是最强基线的 **2.5 倍**而且只用了均匀先验。 如果你在做机器人规划、主动感知或者行星与野外探测这套「观测抽象」值得跟着推一遍。 **视频讲解**[点击观看 B 站视频](https://www.bilibili.com/video/BV17xJU6EE3Q) 章节时间轴 00:32 作者介绍 01:08 研究背景与动机 02:01 相关工作 02:38 方法 03:33 实验设计 04:04 实验结果 05:15 Cuprite 地质勘探 06:16 Cuprite 结果与自适应行为 07:05 局限与讨论 07:41 要点总结 08:10 参考文献 [TOC] ## 论文基本信息 | 项目 | 内容 | |---|---| | 标题英文 | POMDPs for Autonomous Science Exploration | | 标题中文 | SHM-POMDP把科学假设图接进 POMDP 的在线规划 | | 作者 | Daniel Guirguis、Nathan Wallace、Hanna Kurniawati、Salah Sukkarieh | | 机构 | 悉尼大学 Australian Centre for Field RoboticsACFR· 澳大利亚国立大学 Robust Decision-making Learning LabRDL | | 会议 | IROS 2026 | | arXiv | [2608.03155](https://arxiv.org/abs/2608.03155) | | 项目网站 | [RDL Lab 论文页](https://rdllab.github.io/assets/pdf/papers/iros26_SHMPOMDP.pdf) | ## 背景与动机 行星与野外探测的指挥链路几十年没变科学家按经验**事先指定航点**机器人到场开始测量地面再根据回传数据重新规划。 问题出在通信上。深空或远海带宽低、延迟高等新航点传上来现场可能已经错过最值得测的位置。 现有两类做法各有代价。 **POMDP部分可观测马尔可夫决策过程**用状态的概率分布做决策是处理不确定性的正经框架。它能同时权衡「走哪条路」和「在哪里测最值钱」。但多模态传感器给出的观测向量维度高、彼此相关在线搜索树会在原始观测空间上爆炸。 **信息论规划器**按互信息之类的指标选路算得动。可它必须假设观测是确定的等于把传感器噪声和光谱混淆直接抹掉。这也就丢掉了「这次测量值多少信息」这个探索收益的来源。 算法侧的工作同样绕不开这件事。POMCPOW、PFT-DPW、DESPOT-α 这些在线求解器都是通用工具直接在原始观测空间上工作。层级 POMDP比如 MAGIC绝大多数拆的是**动作层级**把行为分成原语可每个新观测仍会触发一次完整信念更新搜索树的分支因子没有下降。 最相关的是 Candela 等人 2017 年在 IROS 提出的 **Science Hypothesis MapsSHM科学假设图**。它把科学溯源矩阵落成「考察目标 → 物理属性 → 测量」的贝叶斯网络。但它假设观测确定而且把导航与感知分开处理。在轨系统如 AEGIS、PIXL 则是反应式的只对当前观测做判断不规划未来的动作。 这篇论文要补的就是这道缝。科学判断需要**概率分布而非点估计**而观测空间正是算力的瓶颈。 ## 研究主线从问题到结论  **图 4研究主线流程图。从「高维观测下在线规划算不动」这个问题到把 SHM 三级层级接进 POMDP 的设计再到两个实验域的验证与最终结论。** ## 基准/方法设计 方法叫 SHM-POMDP思路一句话说得清**把 SHM 的物理属性这一层拿来当规划树的分支对象。** 状态被因子化成两部分物理属性 $y$ 与机器人自身的运行上下文 $s_r$也就是 $s(y, s_r)$。物理属性是**静态**的动作不会改变一块岩石是哪种矿物。所以转移模型写成 $T(y,a,y)1$ 当且仅当 $yy$否则为 0。 真正动手术的地方是观测函数。标准 POMDP 直接写 $Z(s,a,o)P(o\mid s,a)$论文把它增广成 $Z(s,a,o) P(o,\tilde{y}\mid s,a) P_\theta(o\mid\tilde{y},s,a)\cdot P(\tilde{y}\mid s,a)$这一步把「传感器怎么成像」和「环境可能是什么」显式拆开中间插入推断属性 $\tilde{y}$。 有了这个式子规划就能这么走。先从预测信念里采样状态 $s$生成一个代表性观测 $o_{\text{exp}}$。再用贝叶斯公式算出每个候选属性的后验 $P(\tilde{y}_i\mid o_{\text{exp}}, s,a)$然后**只对概率超过阈值 $\epsilon$ 的属性建分支**。 岩石采样任务抽象成 good / bad / uncertain 三类Cuprite 任务抽象成 5 类矿物分类结果。分支因子由此从随观测维度指数增长的 $O(|\mathcal{O}|^d)$ 变成常数级。  **图 1论文 Figure 1 —— SHM-POMDP 框架总览。规划不在原始观测上做而在经 SHM 模型 $P_\theta$ 抽象得到的推断物理属性 $\tilde{y}$ 上做。** ## 分类全景 关键的不对称在于**分支是离散的信念更新却一点没打折。** 执行阶段机器人拿到完整的高维观测 $o$粒子权重直接用完整似然更新 $w_i w_i \cdot P_\theta(o\mid y_i, s_i, a^*)$再重采样。抽象只发生在规划阶段用来省算力传感器信息在信念里完整保留。 物理属性这一层能立得住靠的是 SHM 的三条准则。  **图 5SHM 三级层级与物理属性三准则。规划只工作在「物理属性 → 观测」这一层而属性必须满足可分辨、可解释、静态三条准则。** ## 方法细节 观测模型 $P_\theta$ 离线学出来输入是成对的「观测 真值标签」输出是给定物理属性时观测的条件分布。 论文强调它可以按传感器模态替换光谱用高斯混合模型图像可以换神经网络。模型还显式编码了两类相关性一类是同一传感器内部的模态内相关另一类是所有传感器对同一块岩石按比例响应的模态间相关。 这正是下面那张混淆矩阵要说的事。作者用 AVIRIS-NG 高光谱数据训练了一个 5 类矿物的线性判别分析分类器。混淆矩阵的非对角位置出现明显响应比如绿泥石与蒙脱石之间——它们的吸收特征重叠光谱上本来就分不开。 如果把这个分类器的硬标签当作观测模糊光谱会被当成确定结论测量本身携带的不确定性就没了。换成概率观测模型以后这些「数值不同但物理等价」的观测会自然聚成同一个抽象类别。省下来的算力被重新投到搜索深度上。  **图 2论文 Figure 2 —— 用 AVIRIS-NG 光谱训练的 5 类矿物分类器混淆矩阵。非对角线上的数值代表矿物间的光谱重叠也就是 SHM-POMDP 显式建模的观测不确定性。** 规划与执行的具体流程是这样。树搜索里先预测信念、采样状态、生成期望观测再算属性后验、对超过阈值的属性建分支并递归估值。执行阶段用完整观测似然重加权粒子再重采样。整个循环是「做 N 次树搜索、执行一步、用新信念继续」的滚动时域控制。 ## 实验设计与结果 实验覆盖两个域一个测可扩展性一个测科学收益。 **合成域Extended RockSample。**作者改造了 ISRSInformation Search RockSample任务。$n\times n$ 网格上放 $k$ 块好/坏未知的岩石机器人四向移动、采样得分、按距离衰减的保真度感知。地图放大到 5×5 / 7×7 / 15×15观测维度从 5D 到 50D。观测由 5 种模态、带结构化模态内相关的多元正态生成。 两个方法共用同一个 POMCPOW 求解器超参只在 5D 上调好再固定。这样做是为了隔离「维度增长」这一个变量。 | 设置 | 观测维度 | 连续观测基线回报 | SHM-POMDP 回报 | |---|---|---|---| | 5×54 岩石 | 5D | $8.58\pm0.60$ | **$9.04\pm0.73$** | | 5×54 岩石 | 50D | $8.27\pm0.85$ | **$8.86\pm0.87$** | | 7×78 岩石 | 50D | $7.19\pm0.88$ | **$7.35\pm0.92$** | | 15×1515 岩石 | 30D | $3.56\pm1.65$ | **$4.07\pm1.56$** | | 15×1515 岩石 | 50D | $2.79\pm1.57$ | **$3.31\pm1.62$** | 表注均值 $\pm$ 95% 置信区间100 次试验取自论文 Table I。 按维度看每步计算时间趋势更清楚。 | 设置 | 观测维度 | 基线 (s/step) | SHM-POMDP (s/step) | |---|---|---|---| | 5×54 岩石 | 5D | 0.22 | 0.23 | | 5×54 岩石 | 50D | 1.26 | **0.90** | | 7×78 岩石 | 50D | 2.57 | **1.69** | | 15×1515 岩石 | 50D | 6.81 | **4.57** | 论文报告的效率增益是这样的小问题上几乎没有5×5 的 5D 记为 -4.5%也就是本文方法更慢。复杂问题上放大到**最大 32.9%**即 15×15 的 50D 从 6.81 秒降到 4.57 秒。回报的最大提升出现在同一格从 2.79 到 3.31也就是 18.6%。 **真实域Cuprite 矿区。**作者把内华达州 Cuprite Hills 一平方公里的区域离散成 10×10 网格每格 100 米见方随机放 10 块岩石。机器人从西北走到东南预算是起终点曼哈顿距离的两倍。 目标是最大化关于「是否含绿泥石」的信息增益每步移动有惩罚。多测一处和按时到达被做成了显式取舍。 观测模型由 USGS 矿物图与共配准的 AVIRIS-NG 高光谱数据逐像素配对。先做主成分分析降维再为每个矿物类别拟合单分量高斯混合。在线再叠加上与距离相关的观测噪声。信息增益的定义是 $IG H(y_{\text{chlorite}}) - H(y_{\text{chlorite}}\mid o)$以 nats 计。 | 规划器 | 实现信息增益 (nats) | 路径长度格子数 | |---|---|---| | Greedy均匀先验 | $0.242 \pm 0.053$ | $19.1 \pm 0.1$ | | Random均匀先验 | $0.156 \pm 0.061$ | $30.8 \pm 1.1$ | | pSPIEL均匀先验 | $0.305 \pm 0.080$ | $30.3 \pm 0.6$ | | **SHM-POMDP均匀先验** | **$0.760 \pm 0.156$** | $31.8 \pm 4.9$ | | Greedyoracle 真值先验 | $0.935 \pm 0.097$ | $31.2 \pm 0.5$ | | pSPIELoracle 真值先验 | $0.944 \pm 0.101$ | $30.8 \pm 0.5$ | 表注论文 Table II均值 $\pm$ 95% 置信区间100 次试验。 第二组是关键对照。把**真值矿物图**直接交给贪心与 pSPIEL它们才做到 0.935 与 0.944 nats。而 SHM-POMDP 从均匀先验出发就拿到 0.760等于 oracle 的 80%。 路径行为层面还有一组案例。随机方法纯靠运气检出 3/10。贪心路径最短19.1 格却只检出 3/10因为它按 $IG(\text{rock}) - \lambda\times\text{绕路代价}$ 逐步贪心很多岩石根本没去看。pSPIEL 用子模优化把岩石聚成簇做系统覆盖也只检出 4/10因为均匀先验没法告诉它哪个簇里真有矿。 SHM-POMDP 走得更长也更多变约 32 格、方差更大。但它的重复访问是有理由的当一次测量让不确定性上升它会主动再测一次把模糊消掉。  **图 3论文 Figure 3 —— Cuprite 探索路径起点西北、终点东南。基于信念的规划会为「消解模糊观测」特意绕路静态信息论规划器做不到。** 两个域的配置差别也在附录里做了对照。分支阈值分别是 $10^{-4}$ 与 $10^{-6}$后者需要更细的分辨力来区分矿物光谱。抽象属性数分别是 3 类与 5 类。观测模型分别是多元正态与「主成分分析 每类高斯混合」。两边都是 100 次试验、相同随机种子、配对 t 检验全部在一台笔记本上完成配置是 Intel Ultra 7 155H 与 32 GB 内存。 ## 结果对比总结  **图 6Cuprite 信息增益对比。SHM-POMDP 的 0.760 nats 是最强基线 pSPIEL 的 2.5 倍也是 oracle 上界 0.944 nats 的 80%。** ## 关键发现 - **抽象把分支因子按住了。**分支对象从原始观测换成物理属性后15×15 网格、50 维观测上平均回报从 2.79 提到 3.3118.6%每步计算时间从 6.81 秒降到 4.57 秒-32.9%。 - **收益随维度增长不是随地图增长。**5×5 的 5D 上本文方法反而比基线慢 4.5%换成 50D5×5、7×7、15×15 三张地图上的每步时间分别降到 0.90、1.69、4.57 秒。 - **真实高光谱数据上的信息增益是最强基线的 2.5 倍。**0.760 nats±0.156对 pSPIEL 的 0.305 nats±0.080路径长度基本持平31.8 对 30.3 格。 - **只用均匀先验就达到 oracle 的 80%。**0.760 对 oracle 的 0.944 nats。差距不在先验好坏在于能不能随观测改写计划。 - **回报差距最大出现在 10--30 维之间。**这个区间里分支多到足以碎片化算力又不足以有意义地覆盖观测空间。到 50 维基线因为观测极度稀疏而把树撑得更宽更浅效率优势仍在。 ## 局限性 - **物理属性只能是简单类别。**属性空间被限制为离散、可解释的概念比如矿物类型或岩石好坏没有概率依赖的丰富表示。作者把「带概率依赖的属性表示」列为下一步。 - **观测模型离线学完就固定。**它在部署前训练好传感器特性漂移或进入与训练数据不同的环境时没有在线修正机制。 - **规划阶段用了单点观测近似。**确定分支时只用一个期望观测去算属性后验执行阶段才用完整似然。作者明确承认这是 planning 期的近似。 - **科学目标被简化成单一二值变量。**Cuprite 的信息增益只针对「是否含绿泥石」没有报告 5 类矿物的全类别信息收益。 - **验证范围偏小。**全部实验在一台笔记本上完成没有机载飞行处理器的部署验证也没有实机野外实验。各感知动作之间还假设观测机制相同动作相关的观测模型未验证。 ## 这篇论文的创新模式与历史位置 这一节把附录里的三个视角——创新模式、历史脉络、写作层面——收在一起方便判断这篇工作值不值得跟。 **创新模式。**论文命中三个模式。第一审计并扭转「观测是确定性的」这个负载假设证明它在真实光谱条件下不成立。第二把不可解的问题重新表述为「在属性上规划」的可解形式。第三替换规划树的分支变量表示。支撑执行质量的证据是矿物混淆矩阵、随维度变化的每步时间曲线以及 oracle 上界。 **历史脉络。**1998 年确立了用信念分布做决策的范式。SARSOP 与 DESPOT-α 让求解器更可扩展。2017 年科学假设图第一次让科学层级进入机器人规划。2018 年起的 POMCPOW 与学得的观测模型解决了连续观测。这篇工作把两条线合起来让在线 POMDP 在科学任务上真正可算。 **写作层面值得记一笔。**论文先用通信受限的任务约束开场再把前人做法的问题写成「付出什么代价」最后用四个数字兑现承诺全篇没有对冲词。需要留意的是摘要里的「最大 32.9% 降幅」与表格中 7×7、50 维那一行的计算略有出入2.57 到 1.69 秒/步约合 34.2%。 ## 常见问题FAQ ### 我要复现这篇需要什么算力 不需要 GPU 集群。论文的全部实验在一台笔记本上完成配置是 Intel Ultra 7 155H 4.8 GHz 与 32 GB 内存。评测规模是 100 次试验、相同随机种子、配对 t 检验。真正的工作量在实现一个支持「按属性分支」的在线 POMDP 求解器论文用的底层求解器是 POMCPOW。 ### 它和我熟悉的 POMCPOW 差在哪 差在**分支的对象**。POMCPOW 直接在连续观测上做渐进加宽。观测维度一高每个采样观测都变成新分支树被撑得又宽又浅。SHM-POMDP 用一个阈值 $\epsilon$ 把观测后验压成两三类物理属性再去分支分支因子变成常数级同样算力预算下能搜得更深。 ### 最小的改动是哪一步 核心改动只有一处在观测函数里插入推断属性作为中间变量$Z(s,a,o) P_\theta(o\mid\tilde{y},s,a)\cdot P(\tilde{y}\mid s,a)$然后算属性后验、按阈值建分支。剩下的都是配套一个离线学出来的观测模型以及一个把属性定义清楚的任务。 ### 我的任务能直接用吗 要先过物理属性的三条准则。属性必须**观测可分辨**不同属性诱导不同的测量分布必须**领域可解释**对应专家能命名的离散类别还必须在任务中**保持静态**动作不改变它。比如「这块岩石是哪种矿物」满足三条。而「物体的位姿」不满足静态性「某种连续隐变量」不满足可解释性这类任务就不在方法的适用面内。 ### 为什么信息增益只对一个二值变量算 Cuprite 任务把科学问题定成「这片区域是否含绿泥石」这是二值变量所以信息增益写成两段条件熵之差。这确实窄5 类矿物的全类别收益没有报告是这篇工作可以继续扩展的地方。 ### 为什么小问题上它反而更慢 因为抽象本身有成本。算属性后验、维护额外的一层概率都要花时间。5×5 网格配 5 维观测时观测空间根本不构成瓶颈多出来的这层开销就变成纯亏论文记作 -4.5%。只有观测维度真正成为瓶颈时这套抽象才开始回本。 ## 参考链接 - [arXiv 摘要页POMDPs for Autonomous Science Exploration](https://arxiv.org/abs/2608.03155) - [RDL Lab 论文页PDF](https://rdllab.github.io/assets/pdf/papers/iros26_SHMPOMDP.pdf) - Candela, Thompson, Dobrea, Wettergreen. *Planetary Robotic Exploration Driven by Science Hypotheses for Geologic Mapping*. IROS 2017.本文最相关的 SHM 工作 - Sunberg, Kochenderfer. *Online Algorithms for POMDPs with Continuous State, Action, and Observation SpacesPOMCPOW*. ICAPS 2018. - Garg, Hsu, Lee. *DESPOT-α: Online POMDP Planning with Large State and Observation Spaces*. RSS 2019. - Deglurkar, Lim, Tucker, Sunberg, Faust, Tomlin. *Compositional Learning-based Planning for Vision POMDPsVisual Tree Search*. L4DC 2023. --- 给大家推荐一款自用写文献综述、无虚构文献的 AI **复旦大学 FudanNLP 团队自研 [切问学术](https://qiewenpaper.com/zh?utm_sourcebzkolutm_contentbaishi)** 官网[qiewenpaper.com](https://qiewenpaper.com/zh?utm_sourcebzkolutm_contentbaishi) 覆盖 **3.6 亿篇**可溯源真实中英文文献能自动整合文献观点生成规范综述 还能挖掘研究创新点、复现实验配合视频教学新手快速上手文献综述写作 --- **后记** 博客的关键词集中在编程、算法、机器人、人工智能、数学等等持续高质量输出中。 **讨论QQ群**[白拾的小屋](https://qun.qq.com/universal-share/share?ac1authKeySuzrb5NKb9KulvZxFC8EMFvcd6jgVp%2B%2BnTG8h351HWQorXVfvI1n5QwEX5dlJyThbusi_dataeyJncm91cENvZGUiOiI3NTAzNjU3MDAiLCJ0b2tlbiI6IlpFL2xLaGYxdXU4cWJPT2dJTkY3aExnWHNaQ1UrL3NJbWprenhLZitWUHVVNmhIR1M5SkZrS09SWmxKNlRreksiLCJ1aW4iOiIyMjc1OTYwNDg2In0%3DdatahgymRnqgtjQPGoBKhZ8cEyznp0CMLWfCbG4rfiWIADCArVXw50a7c-Q4MWU2Eq3dwOUjG19hamAWQQU4lY-cOQsvctype4tempidh5_group_info) (750365700) **⭐B站账号**[白拾的物理AI组会](https://space.bilibili.com/98639326)活跃于知识区和动画区 **✨GitHub主页**[YhbCode000](https://github.com/yhbcode000)工程文件