Os autores apresentam o Latent Memory Palace (LMP), um método que permite o raciocínio para políticas de controle contínuo organizando informações em um espaço latente autoregressivo. A abordagem formula esse raciocínio como inferência variacional com uma distribuição latente autoregressiva e deriva uma técnica de aprendizado por reforço no espaço latente para otimizar seu limite inferior variacional.
- A política resultante, LMP-$\pi$, alcança forte desempenho empírico em domínios de simulação e do mundo real, enquanto exibe alocação interpretável e adaptativa de computação durante o teste.
- O framework também produz um tokenizador de ações de comprimento variável, LMP-$\texttt{tok}$, que melhora significativamente o desempenho de políticas autoregressivas subsequentes.
Esses resultados apresentam uma nova perspectiva sobre o raciocínio latente para controle através da lente da inferência variacional.