摘要 - 在危险环境中，自主机器人系统的使用日益增加强调了有效搜索和救援操作的需求。尽管取得了重大进步，但现有有关对象搜索的文献通常在漫长规划范围和处理传感器限制（例如噪声）的困难方面往往不足。这项研究介绍了一种新颖的方法，该方法将搜索问题提出为马尔可夫决策过程（BMDP-O），以使蒙特卡洛树搜索（MCTS）成为在大规模环境中克服这些挑战的可行工具。所提出的公式结合了动作序列（选项）以在感兴趣区域之间移动，从而使算法能够有效地扩展到大环境。此方法还可以使用可自定义的视野，用于多种类型的传感器。实验结果证明了与没有选项的问题和替代工具（例如退化的地平线计划者）相比，在大环境中这种方法的优势。给定的拟议公式的计算时间相对较高，提出了进一步的近似“ Lite”公式。Lite公式以更快的计算速度以相当数量的步骤找到对象。索引术语 - 对象搜索，不在dectainty下的决策，POMDP