부분적으로 관찰 가능한 환경에서의 이동 계획에 대한 생성 모델 예측 계획

무장관측 환경에서 자율적 에이전트가 효과적인 의사결정을 하기 위한 어려움을 해결하기 위해, 학습된 신경망을 이용한 믿음 공간의 근사치를 이용하는 믿음 기반 방법은, 특히 높은 차원에서 인식 상동성을 포함한 믿음 공간의 내재적 다중모달성을 포착하지 못한다. 이러한 어려움을 해결하기 위해, 생성 모델은 대량의 데이터 또는 전문가 시연이 필요하며 장기 계획에 대한 명시적 메커니즘을 제공하지 않는다. 따라서, 새로운 프레임워크가 필요하다.

믿음 확산 프레임워크

믿음 확산은 생성과 계획의 장점을 결합한다. 믿음 확산은 확산 모델을 이용하여 다중모달 믿음 분포를 명시적으로 특징화하고 모델 예측 제어를 이용하여 동시에 장기 계획을 한다. 믿음 확산은 두 가지 단계로 구성된다: (1) 관찰 기록을 이용한 환경 구성의 가능성을 상상하고 (2) 집계된 구성에 대한 효율적인 항해 전략을 계획한다. 이러한 접근법은 부분적으로 관측 가능한 환경에서 다중 모달 믿음 표현을 계획에 통합함으로써 더 강건한 항해를 가능하게 한다. 믿음 확산의 효율성을 검증하기 위해, 합성 지도 환경에서 광범위한 실험을 수행했다. 결과는 믿음 확산이 모델 없이 강화 학습 기반 라인업과 다른 생성 접근 방식보다 항해 성공률과 경로 효율성에서 현저히 우수함을 입증한다. 이러한 결과는 부분적으로 관측 가능한 설정에서 다중 모달 믿음 표현을 계획에 통합함으로써 더 강건한 항해를 가능하게 함을 입증한다. 따라서, 믿음 확산은 무장관측 환경에서 자율적 에이전트의 효과적인 의사결정을 지원하는 데 유용한 프레임워크이다.