연구진은 안전 강화 학습의 성능 저하 문제를 해결하기 위해 ATACOM 프레임워크를 확장한 ATACOM Directional Constraints (ATACOM-DC)를 제안했어요. ATACOM-DC는 제약 조건 경계를 향해 접근하는 행동과 멀어지는 행동을 구별하여 필요한 경우에만 제약 조건 시행을 활성화해요.
기존 방식보다 안전성과 성능 간의 균형을 크게 개선하며, 시뮬레이션 환경에서 다양한 로봇 제어 작업에 대해 평가를 진행했어요. 제약 조건 위반 비용과 달성된 작업 성능을 분석했답니다.
코드와 추가 자료는 https://atacom-dc.robot-learning.net에서 확인할 수 있어요.