본 연구는 행동과 후속 상태 피드백 간의 시간적 일관성을 약화시키는 무작위 지연 문제를 해결하기 위해 인과 관계 그래프 모델링 기반의 지연 인지 강화 학습 방법을 제안합니다.
제안된 방법은 고차원 관찰을 의미 수준의 노드 기반 잠재 상태로 표현하고, 메시지 전달 메커니즘을 활용하여 노드 간의 동적 인과 관계 의존성을 특성화하여 전달 가능한 구조화된 표현과 환경 동역학 지식을 학습합니다.
DMC 연속 제어 작업에서 무작위 지연이 있는 환경에서 기존 방법보다 성능이 우수하며, 새로운 작업에 대한 정책 적응을 가속화하는 데 효과적입니다.