초록
자율 에이전트가 실제 세계에서 성공적으로 작동하려면, 환경의 미래 이벤트와 상태를 예측하는 능력이 핵심 역량입니다. 이 문제는 일련의 관찰값을 사용하여 미래 시퀀스를 예측하는 시퀀스 외삽 문제로 정식화되었습니다. 실제 상황에서는 이러한 예측의 불확실성을 모델링해야 하는데, 특히 장기적인 시간 범위에서는 예측의 불확실성이 점점 더 커집니다. 포인트 추정치에서는 뛰어난 결과가 보여졌지만, 미래 시퀀스에 대한 다중 모드 분포를 유발하는 시나리오는 여전히 도전적입니다. 우리의 연구는 시퀀스 예측을 위한 가우시안 잠재 변수 모델에서 이러한 도전 과제들을 해결합니다. 우리의 핵심 기여는 "많은 것들 중 최고" 샘플 목적함수로, 이 목적함수는 실제 세계 시퀀스 데이터의 진정한 변동성을 더 잘 포착하는 더 정확하고 다양성 있는 예측을 생성합니다. 개선된 모델 적합도에 대한 분석뿐만 아니라, 교통 상황부터 날씨 데이터까지 세 가지 다양한 작업에서 우리의 모델이 경험적으로 이전 연구보다 우수한 성능을 보임을 입증하였습니다.