경험을 병렬로 모으기
여러 장비에서 환경 경험을 처리해 학습 규모를 늘린다. 동기 구성은 오래된 계산을 뒤늦게 반영하는 방식과 다르며, 연구는 Habitat-Sim에서 확장 특성을 평가했다.
큰 학습 규모
논문은 25억 단계의 경험으로 목표 지점 이동 정책을 학습했다. GPU 수와 실행 시간에 관한 결과는 해당 병렬 구성의 관측값이므로 일반적인 단일 장비 속도로 읽으면 안 된다.
지도 없이 이동한다는 조건
보고된 이동 정책은 명시적인 지도 없이 새 환경에서 수행했지만 RGB-D와 GPS 및 나침반 센서를 사용했다. 지도 입력이 없다는 사실과 위치 관련 정보가 전혀 없다는 것은 다르다.
다른 과제로의 전이
연구는 학습한 장면 이해와 이동 정책을 다른 이동 과제에 옮기는 실험도 제시했다. 특정 목표 이동의 높은 성능이 물체 조작이나 모든 실제 로봇 작업까지 해결했다는 뜻은 아니다.
관련 문서
PPO / 강화 학습 / Habitat / ObjectNav / SPL 이동 평가 지표 / 전이 학습