본 논문은 강화학습에서 보상이 항상 관측 가능하지 않은 모니터링된 마르코프 의사결정 과정(Mon-MDP)을 함수 근사(FA)를 사용하여 탐구합니다. 기존 연구는 단순한 표 형태의 Mon-MDP에 국한되었지만, 본 연구는 FA를 통해 보상 모델을 학습하여 관측 가능한 보상이 있는 모니터링된 상태에서 관측 불가능한 보상이 있는 모니터링되지 않은 상태로 일반화하는 에이전트를 제시합니다. 이를 통해 공식적으로 해결 불가능한 환경에서도 거의 최적의 정책을 달성함을 보여줍니다. 하지만 함수 근사의 과적합으로 인한 보상의 잘못된 외삽 문제를 지적하고, 이를 완화하기 위해 보상 불확실성을 활용한 신중한 정책 최적화 방법을 제안합니다. 이는 Mon-MDP 이론과 실제 응용 간의 간극을 메우는 단계가 됩니다.
