• 목록

대부분의 실제 문제들은 여러 과제들이 복합적으로 구성된 다중 과제 문제이다. 알맞게 하위과제를 분별하고 문제 해결을 위한 과제의 전환과정을 이해하는 것이 중요하다. 하위 작업을 상황별로 직접 분별하는 것은 비용적 표현적으로 한계가 있다. 또한 작업 구조의 전환을 이해하기 위해서 일반화된 하위 작업들 간의 계층구조를 설계해야 한다. 확장성, 관찰 가능성, 치명적인 망각 그리고 잘못된 지식 이전으로 인해 다중 작업 강화 학습에는 많은 어려움이 있다. 다음과 같은 연구를 통해서 문제를 접근할 수 있다. 자동으로 상황에 맞는 하위과제를 선별하는 방법을 찾는다. 다음 하위 과제의 전환을 예측한다. 마지막으로 주어진 하위과제에 의도를 이해한 행동을 장려하도록 한다.

- Representation learning method to find expressions for sub-tasks facing the current situation whilte considering relation between sub-tasks

- The methods to find transferable policy that is robust to changes in previously unseen enviornments

- The model-based methods to predict the next sub-goal to rach the next bottleneck state

- The methods to autonomically find a generalized reward function applicable to multiple tasks