يقدم الباحثون Controllable Neural Variational Agents (CNeVA)، وهو إطار يتعلم الخفايا السلوكية الغاوسية لكل وكيل من العوائد المخصومة لتمكين توجيه الوكلاء المحاكاة على طول محاور قابلة للتفسير. يشترط النظام مولد مسارات التدفق المستقيم ويستخدم فتحات أهلية ناعمة للحفاظ على إشارات التدرج حيث تفشل العتبات الصلبة.
- يستنتج CNeVA الخفايا السلوكية عبر تحديثات متغيرة مترافقة مغلقة الشكل على مجموعة بيانات Waymo Open Motion Dataset.
- تحل فتحات الأهلية الناعمة محل العتبات الثنائية بتضاؤل أسي للحفاظ على تدفق التدرج للوكلاء القريبين من العتبة.
- يحقق النموذج واقعية تنافسية مع توفير تحكم لكل قناة يفتقر إليه نماذج التقليد الأعلى ترتيباً.
- يجب تقييم مقاييس التوجيه جنباً إلى جنب مع حواجز المعقولية الفيزيائية لتجنب تضارب النتائج بسبب استغلال المكافأة (reward-hacking).
يتيح هذا النهج للمهندسين عزل المتغيرات وإعادة إنتاج حالات حافة محددة لاختبار الأنظمة المستقلة دون مخاطر العالم الحقيقي.