Para peneliti memperkenalkan Controllable Neural Variational Agents (CNeVA), sebuah kerangka kerja yang mempelajari laten perilaku Gaussian per-agen dari return terdiskonto untuk memungkinkan pengarahan agen yang disimulasikan sepanjang sumbu yang dapat diinterpretasikan. Sistem ini mengkondisikan generator lintasan aliran terarah dan menggunakan gerbang kelayakan lunak untuk mempertahankan sinyal gradien di mana ambang batas keras akan gagal.
- CNeVA menyimpulkan laten perilaku melalui pembaruan variasional konjugat bentuk tertutup pada Waymo Open Motion Dataset.
- Gerbang kelayakan lunak menggantikan ambang batas biner dengan peluruhan eksponensial untuk mempertahankan aliran gradien bagi agen yang mendekati ambang batas.
- Model ini mencapai realisme yang kompetitif sambil menyediakan kontrolabilitas per-saluran yang kurang dimiliki oleh model imitasi peringkat lebih tinggi.
- Metrik pengarahan harus dievaluasi bersama pagar pengaman keplausibelan fisik untuk menghindari konfounding akibat reward-hacking.
Pendekatan ini memungkinkan insinyur mengisolasi variabel dan mereproduksi kasus tepi tertentu untuk pengujian sistem otonom tanpa risiko dunia nyata.