연구진은 딥 강화 학습(DRL) 대신 코딩 에이전트를 활용하여 능동 유체 제어를 위한 명시적인 실행 가능한 피드백 법칙을 직접 탐색하는 새로운 패러다임을 제시했어요.
제안된 프레임워크는 13개의 능동 유체 제어 벤치마크에서 가장 강력한 DRL 기준선과 동일한 시뮬레이션 예산 하에 평가되었으며, 13개 환경 중 10개에서 최상의 DRL 정책을 능가하는 결과를 보여줬어요.
발견된 휴리스틱 제어기는 소형화되고 해석 가능하며 직접 검사할 수 있으며, 물리적으로 의미 있는 피드백 메커니즘을 드러내고 더 어려운 구성으로 성공적으로 전송되며 다양한 레이놀즈 및 레이리 수, 액추에이터 수 및 관측 희소성 하에서 경쟁력을 유지했어요.