연구진은 목표 기반 강화 학습에서 목표 인코딩 방식의 한계를 지적했어요. 기존 방식은 현재 상태 정보를 반영하지 않아 정책이 목표를 파악하는 데 어려움이 있어요. DAGR은 상태 정보를 반영한 목표 표현을 학습하는 방법으로, 다중 스케일 게이트드 크로스 어텐션을 활용해요.
OGBench 환경에서 DAGR은 내비게이션 성능을 향상시켰지만, 조작 및 퍼즐 작업에서는 기존 방식과 유사하거나 약간 뒤쳐지는 결과를 보였어요. 게이트드 잔차가 성능 향상에 기여하는 것으로 분석됐어요.
DAGR은 구조적인 개선 방법이며, 모든 환경에서 성능 향상을 보장하지는 않아요.