본 논문은 다중 관점 강화 학습(MVRL)에서 효과적이고 정확한 환경 인지 및 제어를 위해 작업 관련 특징을 추출하는 새로운 방법인 다중 관점 융합 상태 제어(MFSC)를 제안합니다. 기존 MVRL의 한계인 과잉 정보, 무관 정보, 누락된 관점 등의 문제를 해결하기 위해, MFSC는 유사성 측정 학습(bisimulation metric learning)을 통합하여 작업 관련 표현 학습을 수행하고, 다중 관점 기반 마스크와 잠재 표상 재구성 보조 작업을 도입하여 누락된 관점에 대한 강건성을 향상시킵니다. 실험 결과, MFSC는 기존 MVRL 방법들보다 우수한 성능을 보이며, 간섭이나 누락된 관점이 있는 현실적인 상황에서도 높은 성능을 유지함을 보여줍니다.
