이 논문은 환경 역학의 변화에 강건한 모방 학습(Imitation Learning, IL)을 위한 새로운 프레임워크를 제안합니다. 특히, 훈련과 배포 환경 간의 역학적 변화를 고려하여, 전문가 시연 데이터만으로 훈련되는 오프라인 IL(Offline IL) 방법을 개발했습니다. 이 프레임워크는 환경과의 추가적인 상호 작용 없이, 가장 나쁜 경우의 전이 분포 하에서 모방 손실을 최소화하는 정책을 학습합니다. 이를 위해, 분포 강건 최적화를 활용하여, 변화하는 환경에서도 강건한 성능을 보장합니다. 실험 결과는 제안된 방법이 기존 오프라인 IL 방법보다 우수한 강건성과 일반화 성능을 보임을 보여줍니다.
