연구진은 임베디드 학습에서 발생하는 오류 누적 문제를 해결하기 위해, 추론 시 훈련 데이터를 재활용하는 차등 인식 기반 모방 학습 정책(DARP)을 제안했어요.
DARP는 상태-행동 매핑 대신, 전문가 데모의 이웃 구조를 활용하여 액션을 예측하며, 추가 데이터 수집이나 온라인 피드백 없이 표준 행동 복제 성능을 향상시킬 수 있어요.
연속 제어 및 로봇 조작 등 다양한 환경에서 표준 행동 복제 대비 15~46% 성능 향상을 보였으며, 관련 코드와 데모는 GitHub에서 확인할 수 있어요.