새로운 자가동적 에이전트용 메모리 시스템은 독립 성분 분석(ICA)을 적용하여 데이터를 5개의 성분으로 줄이고, 단기 기억 분산을 기반으로 차원을 압축함으로써 행동의 다양성을 촉진하고 "차원의 저주"를 해결합니다.

에피소드는 SONAR 인코더 임베딩을 사용하여 FAISS 벡터 데이터베이스에 저장되며, 각 실행마다 통합과 일반화가 이루어집니다. ICA는 정규 분포를 따르는 독립 성분들을 식별하며, 테스트 결과 데이터를 3차원으로 줄이는 것이 활동, 위계질서, 사회적 상태에 대한 해석 가능한 필드를 생성함을 보여줍니다. 이 시스템은 단기 기억 내 성분 차이를 계산하며, 낮은 분산은 해당 벡터 데이터베이스 차원의 압축을 트리거하여 맨해튼 거리 검색이 해당 성분의 전체 스펙트럼에 걸친 에피소드를 더 많이 반환하도록 만듭니다.

테스트 결과 이 메커니즘이 에이전트 행동을 동적으로 변화시킨다는 것이 입증되었습니다. 예를 들어, 불안 성분들이 증가할 때 현장 작업을 제련으로 전환하거나 작업 완수를 우선시하는 등, 이러한 변화는 명시적 초기화보다는 압축된 차원에 의해 구동됩니다.