Daily Arxiv

전 세계에서 발간되는 인공지능 관련 논문을 정리하는 페이지 입니다.
본 페이지는 Google Gemini를 활용해 요약 정리하며, 비영리로 운영 됩니다.
논문에 대한 저작권은 저자 및 해당 기관에 있으며, 공유 시 출처만 명기하면 됩니다.

From Text to Trajectory: Exploring Complex Constraint Representation and Decomposition in Safe Reinforcement Learning

Created by
  • Haebom

저자

Pusen Dong, Tianchen Zhu, Yue Qiu, Haoyi Zhou, Jianxin Li

개요

본 논문은 자연어로 표현된 제약 조건 하에서 안전한 강화 학습을 수행하는 방법을 제시합니다. 기존의 방법들은 각 제약 조건에 대해 비용 함수를 수동으로 설계해야 하는 한계가 있었는데, 본 논문에서는 자연어 제약 조건을 이용하여 비용 함수를 자동으로 생성하는 Trajectory-level Textual Constraints Translator (TTCT)를 제안합니다. TTCT는 자연어 제약 조건과 궤적을 함께 활용하여 학습하며, 실험 결과 기존의 수동 설계된 비용 함수보다 위반율이 낮은 정책을 학습하는 것으로 나타났습니다. 또한, 제약 조건이 변경되는 환경에도 적용 가능한 제로샷 전이 능력을 보이는 것을 확인했습니다.

시사점, 한계점

시사점:
자연어로 제약 조건을 효과적으로 이해하고 안전한 강화 학습 에이전트를 학습시키는 새로운 방법 제시.
수동으로 비용 함수를 설계할 필요 없이 자연어 제약 조건만으로 학습 가능.
제로샷 전이 능력을 통해 다양한 환경에 적용 가능성 증명.
기존 방법보다 낮은 위반율 달성.
한계점:
TTCT의 일반화 성능에 대한 추가적인 연구 필요.
복잡하거나 모호한 자연어 제약 조건에 대한 처리 능력 평가 필요.
실제 환경 적용을 위한 추가적인 검증 필요.
👍