연구자들은 할인된 보상으로부터 에이전트별 가우시안 행동 잠재력을 학습하여 해석 가능한 축을 따라 시뮬레이션된 에이전트를 조종할 수 있게 하는 프레임워크인 Controllable Neural Variational Agents (CNeVA)를 소개했다. 이 시스템은 정류 흐름 궤적 생성기에 조건을 부여하고, 하드 임계값이 실패하는 지점에서 그래디언트 신호를 보존하기 위해 소프트 적합성 게이트를 사용한다.
- CNeVA는 Waymo Open Motion Dataset에서 폐쇄형 켤레 변분 업데이트를 통해 행동 잠재력을 추론한다.
- 소프트 적합성 게이트는 지수 감쇠를 사용하여 이진 임계값을 대체하며, 임계값 근처의 에이전트에 대한 그래디언트 흐름을 유지한다.
- 이 모델은 경쟁력 있는 현실성을 달성하는 동시에 상위 순위 모방 모델이 결여한 채널별 제어 가능성을 제공한다.
- 보상 해킹 혼란을 피하기 위해 조종 지표는 물리적 타당성 가드레일과 함께 평가되어야 한다.
이 접근 방식은 엔지니어가 변수를 분리하고 실제 세계의 위험 없이 자율 시스템을 테스트하기 위한 특정 에지 케이스를 재현할 수 있게 한다.