본 논문은 강화학습(RL)에서 기존 지식을 활용하여 학습 과정을 가속화하는 방법을 제시합니다. 기존 방법들이 고정된 구조(예: 단일 가우시안 분포)를 사용하여 사전 지식을 모델링하는 것과 달리, 본 논문에서는 베이지안 비모수 모델(특히, 탄생 및 병합 휴리스틱을 강화한 Dirichlet Process Mixtures)을 활용하여 비모수적 특성을 지닌 다양한 원시 기술 동작을 사전 학습합니다. 이를 통해 복잡하고 장기간 지속되는 작업에서도 유연하고 다양한 기술을 효과적으로 포착하여 강화학습 프레임워크에 통합함으로써 기존 방법보다 장기간 조작 작업에서 더욱 효율적인 기술 전이와 작업 성공률을 달성합니다. 학습된 기술은 사전 공간 내에서 명시적으로 추적 가능하여 해석성과 제어성을 향상시킵니다. 결과적으로, 더욱 풍부한 비모수적 기술 사전 표현이 어려운 로봇 작업의 학습 및 실행을 크게 향상시킨다는 것을 보여줍니다. 모든 데이터, 코드 및 비디오는 https://ghiara.github.io/HELIOS/ 에서 확인할 수 있습니다.
