研究者らは、PRISM（Polynomial Representations for Interaction-Structured Motor Control）と呼ばれる新しい方策表現を提案した。これは、ロボットの観測変数間の多項式相互作用を明示的にモデル化することで、運動制御性能を向上させるものである。従来のロボット方策は通常、多層パーセプトロン（MLP）を用いて観測を行動にマッピングするが、多くの行動関連手がかり（パワー、慣性効果、接触、滑り、コンプライアンスなど）は個々の変数ではなく、それらの相互作用から生じる。特に、これらの手がかりは観測可能な信号の積に依存する。PRISMは、因子化多項式モジュールを用いて高次相互作用特徴を効率的に抽出する。このモジュールは、多項式を複数の因子の積に分解することで、表現力を保ちつつ計算の複雑さを低減する。
強化学習（RL）の設定では、PRISMは標準的なMLPバックボーンを維持し、その出力後に段階的に活性化される要素単位の多項式関数を適用する。この設計により、ネットワークは事前学習された特徴表現を損なうことなく、変数間の非線形相互作用を徐々に学習できる。模倣学習では、拡散方策における線形固有受容条件付けを、エンドツーエンドで訓練された多項式層に置き換える。これにより、関節位置と速度の間の高次関係を直接学習することが可能になる。
実験は、人間型ロコモーション（歩行、走行など）と接触豊富な操作タスク（物体操作など）をカバーしている。結果は、PRISMが標準MLP方策を大幅に上回る性能を示し、さらに同等の容量を持つ大規模MLPよりも優れていることを明らかにした。この発見は、相互作用構造が単に容量を増やすだけでは代替できないことを示しており、多項式相互作用の明示的モデル化が鍵であることを示唆している。
さらに、PRISMは力、トルク、触覚入力、接触ラベル、アドミッタンス制御を必要としないセンサレスコンプライアント動作を実現する。これにより、高価な力センサーを必要とせずにロボットが順応的な操作を行えるようになり、ハードウェアコストを大幅に削減できる。これらの結果は、多項式表現が具現化された運動制御の標準的なアーキテクチャ選択となるべきであることを強く示唆しており、プロジェクトページではさらなる詳細が公開されている。