레슬링을 위한 메타 러닝

연구진은 Ant, Bug, Spider 체형을 사용해 반복 경기에서 메타러닝 에이전트를 시험했다.

라운드 사이에 정책을 업데이트한 에이전트가 고정 전략 에이전트보다 같은 상대를 상대로 더 좋은 성과를 냈다.

이 적응 방식은 일부 다리를 잃은 뒤에도 에이전트가 성능을 유지하는 데 도움이 됐다.

이번 결과는 변하는 환경과 손상에 더 강한 로보틱스·AI 제어 학습법의 가능성을 보여준다.