λ³Έ μ°κ΅¬λ μνμ μΌλ‘ λ―Όκ°ν λ§λΌμ νΈμ μ μμ μ§μ κ°λ₯ν ν μ§ μ΄μ©μ μ΅μ ννκΈ° μν λ₯ κ°ννμ΅(RL) νλ μμν¬λ₯Ό μ μν©λλ€. Costanza λ±μ λ°©λ²λ‘ μ νμ©νμ¬ ν μ§ νΌλ³΅ ν΄λμ€λ³ μνκ³ μλΉμ€ κ°μΉ(ESV)λ₯Ό μ°μ νκ³ , PPO μμ΄μ νΈλ₯Ό ν΅ν΄ ν μ§ μ΄μ© λ³νλ₯Ό νμ΅μμΌ μ΄ ESV κ·Ήλνλ₯Ό λͺ©νλ‘ ν©λλ€. μνμ κ°μΉμ 곡κ°μ μ°κ΄μ± 보μ(μ°μμ± λ³΄λμ€, μμΆ© ꡬμ νλν°)μ κ²°ν©ν 보μ ν¨μλ₯Ό ν΅ν΄ μνμ μΌλ‘ 건μ ν ν μ§ μ΄μ© ν¨ν΄μ μ λν©λλ€.