该文综述部分可观测动态系统中的强化学习研究，涵盖基于模型的乐观极大似然估计、预测状态表示与B稳定性、深度变分方法、安全强化学习及双线性Actor-Critic等算法，多数具有多项式样本复杂度，并在Mountain Hike、flickering Atari等任务中验证了性能与可解释性。

该研究提出了一种增强的反馈模型，可在后见中收集多个额外观察量来实现样本高效学习。该模型适用于两个新的 POMDP 子类：多观察揭示 POMDP 和可区分 POMDP。