部分可观测马尔可夫决策过程（Partially Observable Markov Decision Process, POMDP）是马尔可夫决策过程（MDP）的扩展形式，用于建模智能体在只能部分观测环境状态时的序贯决策问题。与MDP不同，POMDP中的智能体无法直接获取环境完整状态，而是通过观测值来推断潜在状态，这使得决策过程必须考虑观测的不确定性和状态估计的置信度。POMDP由状态空间、动作空间、观测空间、状态转移概率、观测概率和奖励函数六元组构成，其核心挑战在于如何基于历史观测序列来维护对隐藏状态的置信分布（即信念状态），并在此基础之上优化长期累积奖励。
在自动驾驶领域，POMDP为解决复杂交通场景中的感知不确定性提供了理论框架。例如，当自动驾驶车辆因传感器局限无法直接获取周围车辆的完整意图时，POMDP模型可通过概率推理预测他车行为，并据此规划保守型变道策略。现代解决方案常将深度学习与POMDP结合，用神经网络近似信念状态更新或策略函数，既保持对不确定性的量化能力，又克服传统方法计算复杂度高的缺陷。延伸阅读推荐Cassandra的经典教程《Exact and Approximate Algorithms for Partially Observable Markov Decision Processes》（1998），以及最新应用于自动驾驶的综述论文《POMDPs for Automated Driving: A Survey》（IEEE Transactions on Intelligent Transportation Systems, 2022）。