심층 강화학습 (Deep Reinforcement Learning) 에이전트를 위한 실패 기반 테스트

요약

심층 강화학습(DRL) 에이전트의 안전성을 검증하기 위해 작업 난이도를 활용한 새로운 실패 기반 테스트 방법인 PRT를 제안합니다. PRT는 기존 보상 신호 기반 방식의 한계를 극복하여, 실패하기 쉬운 영역을 우선적으로 탐색함으로써 테스트 비용을 50% 이상 절감하고 효율적인 실패 탐지를 수행합니다.

핵심 포인트

• 기존 보상 신호 기반 테스트의 실패 탐지 한계 지적
• 작업 유도 실패 통찰력을 활용한 PRT 방법론 제안
• 블랙박스 방식의 Prior Random Testing을 통한 효율적 테스트
• 기존 최신 기술 대비 테스트 비용 50% 이상 절감 및 높은 다양성 확보