질문 수는 줄이고 빠진 보상만 묻는다, MIT 표적형 선호 학습

사람이 로봇에게 시연을 보여줄 때는 모든 측면을 한 번에 신경 쓰기 어려워 빠지는 부분이 생깁니다. MIT 연구팀은 시연에서 전달되지 않은 특징(feature)에만 선호 질문을 집중시키는 정보 기반 사전분포(informed prior)와, 질문마다 무엇을 봐야 할지 알려주는 설명을 결합했습니다. 질문 수가 적은 구간에서 표준 액티브 선호 학습(active preference learning)보다 최대 30.8% 높은 성능을 냈고, 사용자 연구에서도 두 요소가 각각 효과를 보였습니다.