Les auteurs présentent le Palais de Mémoire Latent (LMP), une méthode qui permet le raisonnement pour les politiques de contrôle continu en organisant l'information dans un espace latent autoregressif. L'approche formule ce raisonnement comme une inférence variationnelle avec une distribution latente autoregressive et dérive une technique d'apprentissage par renforcement en espace latent pour optimiser sa borne inférieure variationnelle.
- La politique résultante, LMP-$\pi$, atteint de solides performances empiriques dans des domaines de simulation et du monde réel tout en présentant une allocation interprétable et adaptative du calcul au moment du test.
- Le cadre fournit également un tokenizeur d'actions à longueur variable, LMP-$\texttt{tok}$, qui améliore considérablement les performances des politiques autoregressives en aval.
Ces résultats présentent une nouvelle perspective sur le raisonnement latent pour le contrôle à travers le prisme de l'inférence variationnelle.