본 논문은 강화학습 정책 간의 상호 증류(mutual distillation)가 무관한 특징에 대한 과적합을 방지하는 암묵적 정규화(implicit regularization) 역할을 한다고 주장합니다. 이론적으로는 무관한 특징에 대한 정책의 강건성 향상이 일반화 성능 향상으로 이어짐을 최초로 증명하고, 실험적으로는 정책 간 상호 증류가 이러한 강건성에 기여하여 픽셀 입력에 대한 불변 표현(invariant representations)의 자발적 출현을 가능하게 함을 보여줍니다. 따라서 증류를 단순한 지식 전달 수단으로 보는 기존 관점에 도전하며, 심층 강화학습의 일반화에 대한 새로운 관점을 제시합니다.
시사점, 한계점
•
시사점:
◦
강화학습에서 상호 증류가 과적합 방지 및 일반화 성능 향상에 효과적임을 이론적, 실험적으로 증명.
