Cross-domain 환경 변화는 Decision Transformer(DT) 정책에 큰 도전 과제를 제시합니다. 기존의 교차 도메인 정책 적응 방법은 소스 궤적 조각을 선택하고 결합하기 위해 단일 필터링 기준에 의존합니다. 하지만 이러한 조각들은 연결성이 떨어져, DT의 추론 능력을 저하시킵니다. 본 연구에서는 이러한 문제를 해결하기 위해 Data Fusion-Enhanced Decision Transformer (DFDT)를 제안합니다. DFDT는 두 단계의 데이터 필터, MMD(Maximum Mean Discrepancy)를 통한 상태 구조 정렬, OT(Optimal Transport)를 통한 행동 적합성을 사용하여 목표 데이터를 선택적으로 신뢰할 수 있는 소스 조각과 융합합니다. 또한, RTG(Return-to-Go) 토큰을 어드밴티지 기반 토큰으로 대체하고, Q-guided regularizer를 적용하여 성능을 향상시킵니다. 이론적으로 MMD-mismatch와 OT-deviation 간의 관계를 보여주는 경계(bound)를 제시하고, D4RL 스타일의 제어 작업에서 강력한 오프라인 RL 및 시퀀스 모델 기반과 비교하여 DFDT의 성능 향상을 입증합니다.
