본 논문은 픽셀 기반 환경에서 심층 강화 학습의 확장성 문제를 다룹니다. 기존 연구들이 알고리즘 및 아키텍처적 접근 방식을 제안했지만, 성능 저하의 근본 원인은 불분명했습니다. 본 논문은 인코더(합성곱층 스택)의 출력과 그 뒤에 이어지는 완전 연결층 간의 연결(병목 현상으로 명명)을 확장성을 제한하는 주요 요인으로 확인하고, 기존 접근 방식들이 이 병목 현상을 암묵적으로 해결하려 했다는 것을 보여줍니다. 이 분석 결과를 바탕으로, 본 논문은 이전 접근 방식의 복잡성을 피하면서 병목 현상을 해결하는 간단하면서도 효과적인 방법으로 전역 평균 풀링을 제시합니다.
