하이퍼볼릭 역강화제 학습 (Hyperbolic Inverse Reinforcement Learning)

요약

본 논문은 관찰된 행동의 보상 함수를 추론하는 IRL에 기하학적 구조 가정을 도입한 Hyperbolic Inverse Reinforcement Learning(Hyperbolic IRL)을 제안합니다. 기존 방법들이 특징 공간의 기하학적 구조를 무시했던 한계를 극복하고, 하이퍼볼릭 거리를 활용하여 예측 정확도와 해석 가능성을 높였습니다. 이 접근 방식은 특히 데이터가 부족한 환경에서 뛰어난 성능을 입증했습니다.

핵심 포인트

• 기존 IRL 방법들은 특징 공간의 기하학적 구조를 가정하지 못하는 한계가 있었습니다.
• Hyperbolic IRL은 하이퍼볼릭 거리를 사용하여 보상 함수를 매개변수화합니다.
• 데이터 부족 환경 및 밀집된 환경에서 기존 모델 대비 우수한 성능을 보였습니다.
• 박물관 내비게이션 적용 시, 비분리적 결합에 의존하는 복잡한 보상 구조를 밝혀냈습니다.