강화 학습 정책 검증에 대한 조사

강화 학습 정책 검증의 필요성

인공지능을 기반으로 하는 정책의 엄격한 행동 보증이 부족하여 강화 학습(RL)은 점점 더 복잡하고 안전한 영역에서 적용되고 있다. 정책 표현력과 규모의 최근 발전은 이 문제를 더욱 심화시켰고, 강화 학습 정책 검증에 대한 개념적으로 분산된 연구를 급속히 증가시켰다. 이러한 상황에서 강화 학습 검증 방법에 대한 통일된 관점을 제공하는 것이 필요하다. 강화 학습 정책 검증은 다양한 분야에서 중요한 역할을 한다. 예를 들어, 자율 주행 자동차나 의료 시스템과 같은 안전한 시스템을 개발하는 데에는 강화 학습 정책의 엄격한 행동 보증이 필요하다. 그러나 기존의 강화 학습 방법들은 이러한 보증을 제공하지 못하기 때문에, 새로운 검증 방법들이 개발되고 있다.

강화 학습 검증 방법의 분류

우리는 세 가지 축인 검증 패러다임(형식적 versus 확률적), 시간 범위(단계 단위 versus 다 단계), 보증 강도에서 기존 접근 방식의 관계를 명확히 하는 분류법을 소개한다. 이 분류법은 강화 학습 검증 방법을 체계적으로 이해하고, 새로운 방향을 식별하는 데 도움이 된다. 또한, 우리는 underlying 이론적 기초를 통합하고 암시적 가정과 한계를 명확히한다. 이러한 연구는 강화 학습 정책 검증의 발전에 기여할 것으로 기대된다.