[IITP] 강화학습 연구 및 융합 기술 동향

[ 최신 강화학습 알고리즘 종류 및 특징 ]

 

 

- 출처: [IITP] 강화학습 연구 및 융합 기술 동향 - 김민석 상명대학교 교수

 

file152989681938878367-199002.pdf

1.02MB

 

IV. 결론

 

지금까지 살펴본 비지도 강화학습은 학습의 여러 가지 측면에서 예측 가능성, 보상함수 의 확장성, 시간적 효율성, 학습 안정성 등의 새로운 도전과제들이 여전히 남아 있다. 비록 기술 확장 및 성능 최적화 측면에서 강화학습은 여전히 보상함수 설계, 환경 상태 정보의 제약, 시뮬레이션 환경과 실제 환경의 구조적 차이, 확장 이전성 문제, 적용 분야의 다양성 부재 등의 이슈들이 아직 해결해야 하는 문제로 남아 있지만, 다양한 측면 에서 지속적인 연구 및 개발이 진행되고 있으므로 앞으로 더욱 기대가 높은 연구 분야이 다. 또한, 여러 기술 간의 융합 연계성을 적용하여 학습 기반의 제어기술을 세분화한다면 단계별로 다양한 분야와 융합하여 사용 가능할 수 있을 것이며, 향후 인공지능 기술의 발전 가속화와 양적 인프라 향상에도 좋은 결과를 가져올 것으로 기대한다.