본 논문에서는 자기 지도 학습된 비전 트랜스포머 모델의 의미론적 능력을 활용하여 모방 학습 정책의 일반화 능력을 향상시키는 DVK 알고리즘을 제시합니다. DVK는 사전 학습된 비전 트랜스포머의 패치 수준 임베딩을 활용하여 다양한 외형 변화와 객체 유형에 걸쳐 일반화되는 안정적인 키포인트를 형성하고, 외형 특징을 의미 개념과 관련된 그룹으로 클러스터링하여 모방 학습 과정에서 더 나은 일반화를 달성합니다. 다양한 객체 조작 작업 데이터셋을 통해 일반화된 행동을 보여주는 실험 결과를 제시하며, 모방 학습의 일반화에 대한 추가 연구를 위해 코드, 평가 방법, 데이터셋을 공개합니다.
