본 논문은 강화학습 에이전트가 유사한 구조의 새로운 과제에 적용 가능한 지식 전이를 효율적으로 수행할 수 있도록 하는 새로운 프레임워크인 MAGIK을 제안합니다. MAGIK은 대상 과제의 요소들을 원래 학습된 영역의 유사한 요소들에 매핑하는 상상 메커니즘을 활용하여 기존 정책을 재사용합니다. MiniGrid와 MuJoCo 환경에서의 실험을 통해 소량의 인간 라벨링 데이터만으로도 효과적인 제로샷 전이가 가능함을 보여줍니다. 기존 방법들과 비교하여 상상 기반 유추 매핑을 통한 효과적인 지식 전이 메커니즘을 제시합니다.
