本稿では、部分的に観測された動的システムにおけるオンラインベイズ実験設計（BED）の新しいアプローチを提案しています。従来の方法は、ノイズを含む不完全な観測のみが利用可能な実世界の状況に適用できませんでした。このようなシステムは状態空間モデル（SSM）として自然にモデル化され、潜在状態がパラメータとデータ間のリンクを媒介します。そのため、尤度を扱うことが困難です。本研究では、潜在状態を明示的に周辺化することによって期待情報利得（EIG）の新しい推定量とその勾配を導出し、高次元の非線形SSMにおけるスケーラブルな確率的最適化を可能にしました。また、効率的なオンライン推論のためにネストされたパーティクルフィルターを利用し、逐次的に設計を選択するオンラインアルゴリズムを提案しています。リアルなモデルへの応用を通じて、提案したフレームワークが部分的観測とオンライン計算の両方に対処可能であることを示しました。