本論文は、部分的に観察可能なマルチ空間環境におけるマルチオブジェクト再配置問題を解決するためのオンライン計画フレームワークと新しいベンチマークデータセットを提示する。既存の強化学習または手動でコーディングされた計画方法に基づくオブジェクト再配置ソリューションは、さまざまな問題に対する適応力が不足していることがよくあります。この制限を解決するために、本論文は階層的オブジェクト指向部分観測マルコフ決定プロセス（HOO-POMDP）計画アプローチを提案する。このアプローチは、（ａ）下位目標を生成するオブジェクト指向ＰＯＭＤＰプランナ、（ｂ）下位目標を達成するための低レベルポリシーセット、（ｃ）連続した低レベル世界を抽象計画に適した表現に変換する抽象化システムからなる。再配置問題の厳格な評価を可能にするために、多様な多空間環境（部分観測可能性10〜30％、目詰まりした経路、隠された目標、2〜4部屋に分布する10〜20個の多数のオブジェクト）を特徴とする包括的なベンチマークであるMultiRoomRを提示します。実験結果は、提案されたシステムが不完全な認識にもかかわらず、これらの複雑なシナリオを効果的に処理し、既存のベンチマークと新しいMultiRoomRデータセットの両方で有望な結果を達成することを示しています。
