연구진은 강화 학습 효율성을 높이기 위해 대규모 비디오를 활용하는 새로운 분해-재조합 패러다임(DRP)을 제안했어요. 이 방법은 에이전트를 분할된 개체로 보고, 로컬 모션 표현을 학습하여 도메인 간 이동성을 높이는 데 집중합니다.
분해 단계에서 연구진은 여러 로컬 지점을 식별하고 프레임별 모션을 추적하여 원자 동작(Atomic Action)으로 정의하고, 이 동작에서 시공간 관계를 파악하는 이중 어텐션 인코더(DAE)를 도입했어요.
재조합 단계에서는 학습 가능한 모션 집계 토큰(MAT)을 활용하여 로컬 모션 표현을 재구성하고, 정책 학습을 가속화하기 위해 어댑터를 통해 로컬 모션과 다운스트림 액션별 동역학을 연결했어요.