본 논문은 강화학습(RL)의 의미적 해석성을 높이기 위한 자동화된 프레임워크인 SILVA(Semantically Interpretable Reinforcement Learning with Vision-Language Models Empowered Automation)를 제시합니다. SILVA는 사전 훈련된 비전-언어 모델(VLM)을 활용하여 미지의 환경에 대한 의미적 특징을 자동으로 추출하고, 해석 가능한 트리 기반 모델을 통해 정책을 최적화합니다. VLMs를 직접 사용하여 특징을 추출하는 계산 비효율성 문제를 해결하기 위해, 경량 합성곱 신경망을 학습시키는 데이터셋을 생성하는 특징 추출 파이프라인을 개발하였습니다. 결과적으로, SILVA는 사람의 개입 없이 의미적으로 해석 가능한 강화학습을 가능하게 합니다.
