部分的観測の下での計画は、自律ロボットの重要な能力ですが、Partially Observable Markov Decision Process（POMDP）は、行動の確率的効果やノイズのある観測を通じて得られる限られた情報を考慮した強力なフレームワークを提供します。従来のPOMDPの解法は、数値最適化と価値の推定を交互に行うため、並列処理の障害や依存関係が発生しがちですが、本論文では新しい並列オンラインソルバーであるVectorized Online POMDP Planner（VOPP）を提案します。VOPPは、POMDPの最近の定式化を利用し、一部の最適化コンポーネントを解析的に解決し、期待値の推定のみを数値計算に残します。計画に関連する全てのデータ構造をテンソルの集合として表現し、計画のすべてのステップを完全にベクトル化された計算として実装することで、依存関係や同期ボトルネックのない大規模並列ソルバーを実現しました。その結果、VOPPは既存の最先端の並列オンラインソルバーと比べて、少なくとも20倍の効率で近似最適解を計算できることが実験結果から示されています。