연구진은 시각 강화 학습 알고리즘의 성능에 영향을 미치는 잠재 거리 문제를 해결하기 위해 PAMD(Pairwise Adaptive Mahalanobis Distance)를 제안했어요. PAMD는 기존 비시뮬레이션 기반 방법론에 쉽게 적용할 수 있으며, 고정된 잠재 거리보다 더 표현력이 뛰어난 구조적 대안을 제공해요. 실험 결과, PAMD를 적용한 비시뮬레이션 기반 RL 알고리즘은 시각 MuJoCo 연속 제어 작업에서 성능이 크게 향상되었어요.