Це дослідження представляє метод розробки кінцево-станових контролерів для частково спостережуваних марковських процесів прийняття рішень (POMDP) за допомогою глибокого навчання з підкріпленням. Цей підхід є критично важливим для створення автономних агентів, які можуть приймати оптимальні рішення в середовищах, де доступна лише часткова інформація, з застосуваннями в робототехніці, автономній навігації та інтелектуальних системах управління.