시간 직선화로 강화된 잠재 계획

초록

본 논문은 시각 인코더가 생성하는 고차원 특징이 계획에 불필요하거나 해로울 수 있다는 점을 지적하고, 잠재 공간에서 연속된 상태들의 곡률을 최소화하는 “시간 직선화” 정규화를 도입한다. 곡률 감소가 유클리드 거리와 실제 궤적 거리(geodesic)를 일치시키고, 플래닝 목적함수의 조건수를 개선함을 이론적으로 증명한다. 실험에서는 다양한 목표 도달 환경에서 기존 DINO‑WM 대비 20~60% 이상의 성공률 향상을 기록한다.

상세 분석

이 연구는 잠재 세계 모델(latent world model)에서 인코더와 예측기(predictor)를 공동 학습하면서, 연속된 세 프레임의 잠재 표현 zₜ, zₜ₊₁, zₜ₊₂ 사이의 속도 벡터 vₜ = zₜ₊₁−zₜ, vₜ₊₁ = zₜ₊₂−zₜ₊₁의 코사인 유사도를 최대화하는 곡률 정규화 L_curv = 1−C 를 손실에 추가한다. 이는 “시간 직선화”라는 용어로, 인간 시각 시스템이 동영상 정보를 직선화한다는 perceptual straightening 가설을 모델링한 것이다.

핵심 이론적 기여는 선형 잠재 역학을 가정했을 때, A≈I (즉, ε‑straight 전이)인 경우 플래닝 헤시안 H의 유효 조건수 κ_eff(H)가 B와 A의 고유값 비에 의해 상한이 잡히며, ε가 작을수록 지수적으로 악화되지 않는다는 정리(Theorem 4.4)이다. 이는 곡률이 낮은 잠재 공간에서 경사 하강법이 더 빠르고 안정적으로 수렴함을 보장한다.

실험 설계는 PushT, UMaze, Medium‑Maze, Wall 등 네 가지 목표 도달 시뮬레이션을 사용했으며, 베이스라인으로는 frozen DINOv2 특징을 그대로 활용하는 DINO‑WM을 채택했다. 두 가지 인코더 구성(프리트레인 백본+경량 프로젝터, 완전 학습형) 모두에서 곡률 정규화를 적용했을 때, 잠재 궤적이 눈에 띄게 직선화되고, 유클리드 거리와 실제 진행 거리 간의 상관관계가 크게 향상되었다. 또한, 플래닝 손실 지형을 시각화한 결과(그림 4)에서 곡률 정규화 후 손실이 거의 볼록에 가까워져, 기존 대비 최적화가 더 쉬워짐을 확인했다.

이 논문은 기존의 재구성 기반 혹은 대조 학습 기반 표현 학습이 플래닝에 불필요한 저수준 정보를 과도하게 보존하는 문제를 지적하고, 부정적인 샘플 없이도 로컬 직선화를 통해 효율적인 표현을 얻을 수 있음을 보여준다. 특히, stop‑gradient를 이용한 붕괴 방지 기법이 간단하면서도 효과적이며, 추가적인 하이퍼파라미터 튜닝 없이 적용 가능하다는 점이 실용적이다.