본 논문은 희소 보상 강화 학습(sparse-reward RL)에서 복잡하고 고차원적인 작업을 해결하기 위해, 목표 작업과 관련된 간단한 작업을 해결하는 접근 방식을 제안합니다. 기존 연구들이 모든 작업을 해결하는 것을 목표로 탐색 작업을 선택하는 전략을 설계한 것과 달리, 본 논문은 목표 작업 방향으로 탐색 목표를 선택하는 방법인 DISCOVER(directed sparse-reward goal-conditioned very long-horizon RL)를 제안합니다. DISCOVER는 기존 RL 알고리즘에서 효과적인 탐색에 필요한 방향 감각을 추출하며, 밴딧 문제에서의 원칙적인 탐색과 연결하여 목표 작업 달성까지의 시간을 형식적으로 경계짓습니다. 고차원 환경에서의 실험 결과, DISCOVER는 기존 최첨단 탐색 방법을 능가하는 성능을 보여줍니다.
