사전 학습된 시각 표현(PVR)의 통합은 시각 운동 정책 학습을 크게 발전시켰지만, 이러한 모델을 효과적으로 활용하는 것은 여전히 과제입니다. 본 논문은 PVR이 정적 이미지 이해에 최적화되어 시각 운동 제어에 중요한 시간적 의존성을 나타내는 데 어려움을 겪는다는 점을 지적하며, 시간적 얽힘을 문제로 제시합니다. 본 연구에서는 정책의 성공률과 잠재 공간이 작업 진행 단서를 포착하는 능력 사이에 강한 상관관계가 있음을 보여줌으로써 시간적 얽힘의 영향을 정량화합니다. 이러한 통찰력을 바탕으로, 시간적 얽힘을 완화하도록 설계된 간단하지만 효과적인 디스텐글먼트 기반 방식을 제안합니다. 실험 결과는 시간적 구성 요소로 특징을 풍부하게 하려는 기존 방법만으로는 충분하지 않으며, 견고한 시각 운동 정책 학습을 위해서는 시간적 디스텐글먼트를 명시적으로 해결해야 함을 강조합니다.
