2025-08-19 | 울산=장지승 기자

AI自主“想象训练”…UNIST开发元强化学习技术

本页标题和正文均由AI机器翻译,未经人工审校。准确内容请以韩文原文为准。

对能走能跑的人来说,快步走简直易如反掌。无需学习也能凭感觉知道抬脚频率与步幅如何调节。相反,物理AI机器人即便学好了走路或全力冲刺,一旦接到“适度奔跑”这一新任务,也可能因无法妥善调节腿部角度或力度而做出错误动作甚至停下。对未受训练情况的适应力不足一直被指为物理AI技术的局限,而现在出现了可解决这一问题的新型AI元强化学习方法——让AI自行想象新任务并提前预习的技术。

蔚山科学技术院(UNIST)人工智能研究生院韩胜烈教授团队19日表示,已开发出TAVT(Task-Aware Virtual Training)方法,可训练人工智能适应从未学习过的新任务。

研究团队开发的学习方法是让AI自行创建虚拟任务并提前学习,由基于深度学习的表征学习模块和生成模块构成。表征学习模块将不同任务之间的相似度(距离)量化,掌握任务结构(latent representation),生成模块则将其组合创建出新的虚拟任务。所生成的虚拟任务被设计为可保留原任务的特征,因而对未学习过的情况具有预习效果。

第一作者金正模研究员解释:“现有强化学习被设计为在单一任务中掌握最优策略,在新情况下性能会急剧下降。虽然也有让其体验多种任务的元强化学习方法,但在超出训练范围的情况(Out-Of-Distribution)下适应仍然不易。”

研究团队将该学习方法应用于猎豹、蚂蚁、双足步行等多种机器人仿真环境,结果确认对未训练任务的适应力得到提升。

特别是在猎豹机器人仿真(Cheetah-Vel-OOD)实验中,应用TAVT方法的情况下,即便在未体验过的中间速度(1.25、1.75 m/s等)下也能迅速把握目标速度并稳定持续行进。而应用现有元强化学习方法的机器人则适应缓慢或频繁跌倒。

韩胜烈教授表示:“该方法可提升AI智能体的任务泛化性能,有望广泛应用于物理AI机器人、自动驾驶汽车、无人机等必须在各种情况下灵活应对的领域。”

此次研究成果被世界三大人工智能学会之一的2025 ICML(International Conference on Machine Learning)录用。2025 ICML于7月13日至19日在加拿大温哥华举行。

该研究在韩国科学技术情报通信部与信息通信规划评价院(IITP)的“区域智能化创新人才培养事业”“以人为本人工智能核心原创技术开发”“人工智能研究生院支援(蔚山科学技术院)”“为改善连续空间强化学习收敛性的信息熵探索方法开发研究”等支持下完成。

阅读韩文原文