QANTIS：在IBM Heron量子处理器上实现硬件校准的序贯POMDP信念更新
自主系统在部分可观测环境下依赖信念（belief）而非原始传感器数据做出决策。一项新研究提出 QANTIS 框架，将量子处理器作为校准的信念更新服务，在经典规划循环中接收先验和观测模型，估计罕见事件证据项，并返回后验概率。该工作以IBM Heron量子硬件为平台，通过经典老虎（Tiger）POMDP基准问题验证了量子信念更新在序贯决策中的可靠性。
核心方法：硬件校准的信念更新
QANTIS 的核心思路是将量子处理器视为一个“黑盒”服务：经典规划器提供先验信念和观测模型，量子电路负责计算归一化常数（证据项），然后返回精确的后验概率。这种方法避免了经典计算中因近似采样导致的误差，同时利用量子振幅估计（Quantum Amplitude Estimation）加速罕见事件概率的估算。
研究团队比较了三种量子策略：无放大（No Amplification）、受控Grover放大（Guarded Grover Amplification）以及全步固定点放大（All-step Fixed-Point Amplification, FPAA）。实验在IBM Heron处理器上运行，对老虎问题的8步和12步主序列进行测试，并额外验证了20步和32步的扩展序列。
关键结果：后验一致性
实验表明，全步固定点放大（FPAA） 在所有测试序列中成功保持了老虎问题后验概率的完整性，即量子计算的后验与精确贝叶斯后验在每一步都选择了相同的即时动作。这意味着量子信念更新服务可以在不破坏下游决策的前提下，稳定地替代经典计算模块。
此外，研究引入了 边界感知BIQAE（Boundary-aware BIQAE）技术，用于稳定振幅估计在接近0或1时的数值表现。通过罕见事件扫描，团队还映射了百万分之一概率量级下的逻辑采样复杂度包络，为极端稀疏场景提供了理论边界。
意义与局限
这项研究并非宣称量子优势，而是构建了一个硬件校准的信念更新原语的操作包络。它证明了在当前噪声量子硬件（IBM Heron）上，量子信念更新可以可靠地用于序贯POMDP决策，而不会污染后验概率。这为未来将量子计算集成到自主系统（如机器人、自动驾驶）的感知-规划循环中提供了实验基础。
论文强调，工作重点在于硬件案例研究，而非端到端的速度提升。实际应用中仍需考虑量子资源的开销与经典后处理的接口效率。