본 논문은 로봇 계획 수립에서의 계산 비용 및 누적 오차 문제를 해결하기 위해 잠재 공간 역방향 계획(LBP)을 제안합니다. 기존의 미세 입자 기반 다중 프레임 이미지 예측 방식은 계산 비용이 높고 누적 오차로 인해 장기간 작업에서 정확성이 떨어지는 단점이 있습니다. LBP는 최종 목표를 잠재 공간에 매핑하고, 이를 기반으로 역으로 중간 목표들을 예측하여 현재 상태에 가까워지는 방식으로 계획합니다. 최종 목표를 기반으로 계획함으로써 장기간 작업에서도 목표 달성에 집중하며 정확한 예측을 가능하게 합니다. 학습 가능한 토큰을 이용하여 중간 목표 시퀀스를 요약하고, 각 중간 목표가 행동 추출에 어떻게 영향을 미치는지 결정합니다. 시뮬레이션 및 실제 로봇 실험을 통해 기존 방법들보다 우수한 성능을 보임을 입증합니다.
