본 논문은 새로운 과제에 대한 대응 능력을 향상시키고, 문제 해결 과정에서 기술을 개발하는 인간의 능력을 모방한 자율 에이전트 개발을 위한 새로운 프레임워크인 Parametric Skill Expansion and Composition (PSEC)을 제안합니다. PSEC는 관리 가능한 기술 라이브러리를 유지하여 에이전트의 능력을 반복적으로 발전시키고 새로운 과제에 효율적으로 대처하도록 설계되었습니다. 이 라이브러리는 플러그 앤 플레이 방식의 저순위 적응(LoRA) 모듈로 기술 원형을 점진적으로 통합하여 매개변수 효율적인 미세 조정을 통해 효율적이고 유연한 기술 확장을 가능하게 합니다. 또한, 서로 다른 기술을 인코딩하는 LoRA 모듈을 병합하여 매개변수 공간에서 직접 기술 구성을 가능하게 하며, 기술 간 공유 정보를 활용하여 새로운 기술을 효과적으로 프로그래밍합니다. 여기에 컨텍스트 인식 모듈을 통해 다양한 기술을 동적으로 활성화하여 새로운 작업을 협업적으로 처리합니다. 다목적 구성, 역학 변화, 지속적인 정책 변화를 포함한 다양한 애플리케이션을 지원하며, D4RL, DSRL 벤치마크 및 DeepMind Control Suite에서의 결과는 PSEC가 기존 지식을 활용하여 새로운 과제에 효율적으로 대처하고 기술 라이브러리를 확장하여 능력을 발전시키는 데 뛰어난 성능을 보임을 보여줍니다.
