著者は、情報を自己回帰的潜在空間に整理することで連続制御方策の推論を可能にする手法である潜在記憶宮殿（LMP）を紹介する。このアプローチは、この推論を自己回帰的潜在分布を持つ変分推論として定式化し、その変分下限を最適化するための潜在空間強化学習手法を導出する。

  • 得られた方策 LMP-$\pi$ は、シミュレーションおよび実世界のドメインで強力な経験的パフォーマンスを達成しつつ、解釈可能で適応的なテスト時の計算資源配分を示す。
  • このフレームワークはまた、下流の自己回帰的方策のパフォーマンスを大幅に向上させる可変長アクショントークナイザー LMP-$\texttt{tok}$ も生成する。

これらの結果は、変分推論の観点を通じて制御のための潜在推論に関する新たな視点を提示している。