본 논문은 연속 제어를 위한 새로운 액션 생성 패러다임을 제안합니다. 기존의 방법들이 경계 제약을 위해 사용하는 임시변환(예: tanh)의 문제점을 해결하고, 단위 매니폴드에서의 연산을 통해 구조적 이점을 유지하면서 계산 복잡성을 줄이는 것을 목표로 합니다. 제안하는 방법은 액션을 결정적 방향 벡터와 학습 가능한 집중도 스칼라로 분해하여 효율적인 보간을 가능하게 합니다. 이를 통해 파라미터 수를 줄이고 O(d)의 샘플링 복잡성을 유지하며, 고차원 보행 태스크에서 기존 방법보다 상당한 성능 향상을 보입니다.
