연구진은 자발적 추론을 통해 제어 정책을 개선하는 방법인 Latent Memory Palace (LMP)를 제안했어요. LMP는 정보가 자발적으로 생성되는 잠재 공간을 활용하여 반복적이고 적응적인 정보 검색을 가능하게 해요.
LMP는 변분 추론을 통해 잠재 공간에서 강화 학습을 수행하며, 시뮬레이션과 실제 환경에서 뛰어난 성능을 보여줘요. 또한, 테스트 시간 동안 컴퓨팅 자원을 효율적으로 배분하는 해석 가능성을 제공해요.
LMP는 가변 길이 액션 토크나이저인 LMP-tok를 생성하여 후속 자발적 정책의 성능을 향상시키며, 변분 추론 관점에서 제어를 위한 잠재적 추론에 대한 새로운 관점을 제시해요.