Los autores presentan Latent Memory Palace (LMP), un método que permite el razonamiento para políticas de control continuo organizando la información en un espacio latente autoregresivo. El enfoque formula este razonamiento como inferencia variacional con una distribución latente autoregresiva y deriva una técnica de aprendizaje por refuerzo en el espacio latente para optimizar su cota inferior variacional.
- La política resultante, LMP-$\pi$, logra un fuerte rendimiento empírico en dominios de simulación y del mundo real, mientras exhibe una asignación interpretable y adaptativa de la potencia de cómputo durante la prueba.
- El marco también produce un tokenizador de acciones de longitud variable, LMP-$\texttt{tok}$, que mejora significativamente el rendimiento de las políticas autoregresivas posteriores.
Estos resultados presentan una nueva perspectiva sobre el razonamiento latente para el control a través de la lente de la inferencia variacional.