구조보다 학습 절차
행동 예측의 어려움을 새로운 모델 구조만으로 해결하려는 대신, 어떤 정보로 어떤 순서에 따라 훈련할지를 다룬다. DCR은 예측 모델에 결합하는 학습 전략이다.
미래 정보의 가시성 조절
훈련 과정에서 관측 가능한 미래 문맥의 양을 동적으로 조절한다. 처음부터 최종 예측 조건을 그대로 요구하기보다 단서를 단계적으로 줄여 난도를 높인다.
커리큘럼 학습
쉬운 조건에서 어려운 조건으로 옮겨가는 커리큘럼 학습의 형태다. 최종 예측 목표에 도달할 때까지 사건 문맥을 제거하는 과정을 설계한다.
평가 조건의 구분
트랜스포머와 LSTM 같은 추론 모델에 결합할 수 있으며 네 벤치마크에서 평가했다. 훈련 중 활용하는 문맥과 실제 예측 시 허용하는 입력은 구분해야 한다.
관련 문서
AVT 행동 예측 / RU-LSTM / M-CAT 행동 예측 / ActFusion / 커리큘럼 학습 / LSTM