Para penulis memperkenalkan Istana Memori Laten (LMP), sebuah metode yang memungkinkan penalaran untuk kebijakan kontrol kontinu dengan mengatur informasi dalam ruang laten autoregresif. Pendekatan ini merumuskan penalaran ini sebagai inferensi variasional dengan distribusi laten autoregresif dan menurunkan teknik pembelajaran penguatan ruang laten untuk mengoptimalkan batas bawah variasionalnya.
- Kebijakan yang dihasilkan, LMP-$\pi$, mencapai kinerja empiris yang kuat dalam domain simulasi dan dunia nyata sambil menunjukkan alokasi komputasi saat pengujian yang dapat diinterpretasikan dan adaptif.
- Kerangka kerja ini juga menghasilkan tokenisasi aksi panjang variabel, LMP-$\texttt{tok}$, yang secara signifikan meningkatkan kinerja kebijakan autoregresif hilir.
Hasil-hasil ini menyajikan perspektif baru tentang penalaran laten untuk kontrol melalui lensa inferensi variasional.