식품 파쇄 시뮬레이션에서의 역방향 재료 추정을 위한 잠재 공간 강화학습 (Latent Space Reinforcement Learning)

요약

식품 파쇄 시뮬레이션에서 미분 불가능한 역학 모델을 통해 재료 파라미터를 추정하는 잠재 공간 강화학습 연구입니다. 목표 조건부 PPO를 활용하여 잠재 표현 공간에서 재료 특성을 효율적으로 추정하며, 기존 파라미터 공간 대비 높은 복구율을 달성했습니다.

핵심 포인트

• 미분 불가능한 연속체 손상 역학 시뮬레이터의 역문제 해결
• 목표 조건부 PPO를 통한 잠재 공간 내 재료 파라미터 추정
• 기존 파라미터 공간 대비 23% 향상된 복구 성능 달성
• CMA-ES 웜 스타트 방식을 통한 추가적인 정밀도 향상 가능성 확인