$O(a, s', z) = \mathbb{P}(z \mid a, s')$是一个条件概率分布，所以它总是需要总结为$1$. 你应该解释$O(a, s', z)$作为观察概率$z$，假设代理采取了行动$a$并降落在州$s'$.

$O(a, s', z)$因此不是联合分布，即使符号$O(a, s', z)$可能会建议它。在这种情况下，$O(a, s', z)$只是意味着$O$是一个函数$a$,$z$和$s'$.

如果您想查看条件概率分布总和为 1 的证明，请查看这篇文章。