본 논문은 로봇의 사회적 내비게이션이 다양한 인간 요소와 환경적 맥락에 적응해야 하는 문제를 다룬다. 예측하기 어렵고 완벽하게 열거할 수 없는 요소들 때문에 기존의 학습 기반 방법은 장기적이고 다양한 환경에서 로봇의 사회적 속성을 보장하는 데 어려움을 겪는다. 이에 본 논문에서는 로봇이 새로운 사회적 환경에 온라인으로 적응할 수 있도록 하는 온라인 맥락 학습 방법을 제시한다. 제안된 방법은 심층 강화 학습 기반의 하위 계층과 온라인 로봇 학습 기반의 상위 계층으로 구성된 이중 구조를 채택하여, 하위 계층에서 기본적인 로봇 내비게이션 명령을 생성하고, 상위 계층에서 이를 사회적으로 적절하게 조정한다. 공개 시뮬레이터를 사용한 실험 결과, 제안된 방법이 최첨단 방법보다 우수하며, 가장 어려운 시나리오에서 최첨단 방법보다 8% 성능 향상을 보였다. 소스 코드, 데이터, 사전 훈련 도구는 공개적으로 제공된다.
