연구진은 복잡성을 줄이고 이론적 보장을 용이하게 하는 Random Feature Information Gain (RFIG)을 제안했어요. RFIG은 베이지안 커널 방법론에 기반하여 랜덤 푸리에 특징을 사용하여 정보 이득을 근사하고, 계산할 수 없는 공간에서 탐색 보너스를 계산해요. RFIG은 정보 이득 근사 오류에 대한 경계를 제공하고, 신경망 기반 불확실성 추정의 블랙박스 측면을 피해요.
RFIG은 표준 딥 RL 알고리즘에 원활하게 통합될 수 있도록 확장 가능한 실용적인 세부 사항을 제공하며, 다양한 제어 및 내비게이션 작업에서 기존의 딥 탐색 방법과 경쟁력 있는 성능을 달성했어요. RFIG은 기존 방법보다 우수한 이론적 해석을 제공해요.
RFIG은 정보 이득을 근사하고 탐색 보너스를 계산하는 데 랜덤 푸리에 특징을 활용하여, 복잡성을 줄이고 이론적 보장을 용이하게 하는 새로운 접근 방식을 제시해요.