본 논문은 로봇에게 장기간에 걸친 다단계 작업을 가르치는 데 초점을 맞춘 신경 기호 모방 학습 프레임워크를 제안합니다. 기존의 모방 학습 방법들이 주로 짧고 독립적인 기술에 집중하는 것과 달리, 본 연구는 작업을 더 간단한 하위 작업으로 분해하고, 기호적 계획을 활용하여 추상적인 계획을 생성하는 기호적 표현을 학습합니다. 이후, 이러한 작업 분해를 활용하여 추상적 계획을 실행 가능한 로봇 명령으로 개선할 수 있는 일련의 신경망 기술을 학습합니다. 시뮬레이션된 로봇 환경에서의 실험 결과, 제안된 방법이 기존 방법들에 비해 데이터 효율성을 높이고, 일반화 능력을 향상시키며, 해석력을 용이하게 한다는 것을 보여줍니다.
