뉴스
- 최한림 교수 연구팀, 시각 강화학습을 위한 구조적 적응 거리 PAMD 제안 AI 분야 최우수 국제학회 ICML 2026 발표 승인
- 관리자 |
- 2026-06-17 14:11:28|
- 229
- 2026-06-17 14:11:28|
우리 학과 정보 및 시스템 제어 연구실의 노대경 석사(졸업), 배주호 석사과정, 최한림 교수는 PAMD로 명명된 이미지 기반 강화학습의 표현 학습을 위한 새로운 거리 구조를 제안하였으며, 해당 연구성과는 ICML 2026에 채택되었다.
PAMD는 고정된 ℓp 거리와 과도하게 자유로운 pairwise MLP 사이의 한계를 넘기 위해, 두 잠재 표현 쌍마다 양의 정부호 Mahalanobis 행렬을 예측한다. 이를 통해 행동적으로 중요한 차이는 확대하고, 배경·색상 같은 불필요한 시각 변화는 억제하는 적응형 거리를 학습한다.
제안 모듈은 DBC, MICo, SimSR 등 기존 bisimulation 기반 알고리즘에 그대로 결합되며, DeepMind Control Suite 이미지 제어 과제에서 성능을 일관되게 향상시켰다. Cheetah Run 878±8, Hopper Hop 250±3 등 강한 시각 RL 기준선과도 경쟁력 있는 결과를 보였다.
PAMD는 고정된 ℓp 거리와 과도하게 자유로운 pairwise MLP 사이의 한계를 넘기 위해, 두 잠재 표현 쌍마다 양의 정부호 Mahalanobis 행렬을 예측한다. 이를 통해 행동적으로 중요한 차이는 확대하고, 배경·색상 같은 불필요한 시각 변화는 억제하는 적응형 거리를 학습한다.
제안 모듈은 DBC, MICo, SimSR 등 기존 bisimulation 기반 알고리즘에 그대로 결합되며, DeepMind Control Suite 이미지 제어 과제에서 성능을 일관되게 향상시켰다. Cheetah Run 878±8, Hopper Hop 250±3 등 강한 시각 RL 기준선과도 경쟁력 있는 결과를 보였다.