Perception Learning (PeL)은 에이전트의 감각 인터페이스 $f_\phi$를 작업과 무관한 신호를 사용하여 최적화하는 새로운 패러다임입니다. 이는 다운스트림 의사 결정 학습 $g_\theta$와 분리되어, 잡음에 대한 안정성, 정보 전달 능력, 제어된 기하학적 구조 등 레이블이 없는 지각적 속성을 직접적으로 목표로 합니다. PeL은 지각과 의사 결정의 분리를 공식화하고, 객관적 또는 재매개변수화에 독립적인 지각적 속성을 정의하며, 충분한 불변성을 보존하는 PeL 업데이트가 베이즈 작업 위험 기울기에 직교함을 증명합니다. 또한 지각적 품질을 인증하기 위한 작업과 무관한 평가 지표를 제공합니다.
