Un nuevo sistema de memoria para agentes autónomos aborda la "maldición de la dimensionalidad" aplicando Análisis de Componentes Independientes (ICA) para reducir los datos a cinco componentes, y luego comprime las dimensiones basándose en la varianza de la memoria a corto plazo para fomentar la variedad conductual.
Los episodios se almacenan en una base de datos vectorial FAISS utilizando incrustaciones del codificador SONAR y experimentan consolidación y generalización en cada ejecución. ICA identifica componentes independientes con distribución normal, y las pruebas muestran que reducir los datos a tres dimensiones produce campos interpretables para la actividad, la jerarquía y los estados sociales. El sistema calcula las diferencias de componentes en la memoria a corto plazo; una varianza baja activa la compresión de la dimensión correspondiente de la base de datos vectorial, haciendo más probable que la recuperación por distancia de Manhattan devuelva episodios que abarquen todo el espectro de ese componente.
Las pruebas demuestran que este mecanismo altera dinámicamente el comportamiento del agente, como cambiar de trabajo de campo a fundición o priorizar la finalización de tareas cuando aumentan los componentes de ansiedad, impulsado por dimensiones comprimidas en lugar de una inicialización explícita.