मौजूदा गुणवत्ता-विविधता एल्गोरिदम की सीमाओं को दूर करने के लिए, यह शोधपत्र वेक्टर क्वांटाइज्ड-एलिट्स (VQ-एलिट्स) का प्रस्ताव करता है, जो एक नवीन अप्रशिक्षित शिक्षण-आधारित एल्गोरिदम है। VQ-एलिट्स, बिना किसी पूर्व कार्य ज्ञान के, स्वचालित रूप से क्रिया स्थान ग्रिड उत्पन्न करने के लिए वेक्टर क्वांटाइज्ड वैरिएशनल ऑटोएनकोडर का उपयोग करता है। मौजूदा विधियों के विपरीत, VQ-एलिट्स संरचित क्रिया स्थान ग्रिड उत्पन्न करता है, जिससे लचीलापन और प्रयोज्यता बढ़ती है। इसके अलावा, हम क्रिया स्थान सीमाओं और सहयोग तंत्रों को लागू करके एल्गोरिदम के प्रदर्शन को बेहतर बनाते हैं। हम अप्रशिक्षित शिक्षण वातावरणों में विविधता को मापने के लिए नए मेट्रिक्स, प्रभावी विविधता अनुपात और कवरेज विविधता स्कोर, भी प्रस्तावित करते हैं। रोबोट भुजा मुद्रा नियंत्रण, मोबाइल रोबोट स्थानिक अन्वेषण और मिनीग्रिड नेविगेशन जैसे कार्यों पर प्रायोगिक परिणाम VQ-एलिट्स की दक्षता, अनुकूलनशीलता, मापनीयता और हाइपरपैरामीटर्स के प्रति मजबूती को प्रदर्शित करते हैं।
