정의
커리큘럼 학습은 인간이 학습하는 방식을 모방하여 난이도가 높아지는 순서로 훈련 작업을 제시합니다. 로봇 조작에서 커리큘럼은 크고 잡기 쉬운 물체로 시작하여 작고 미끄러운 물체로 진행될 수 있습니다. 이동 시 지형 난이도는 평지에서 고르지 않은 경사면과 계단으로 올라갈 수 있습니다. 자동 커리큘럼 방법(예: PAIRED, PLR 및 교사-학생 프레임워크)은 학습자의 현재 역량에 따라 난이도를 동적으로 조정합니다. 커리큘럼 학습은 보상 형성의 필요성을 줄이고 시뮬레이션과 실제 교육 모두에서 샘플 효율성을 획기적으로 향상시킬 수 있습니다.
로봇 팀에 중요한 이유
커리큘럼 학습을 이해하는 것은 실제 로봇 시스템을 구축하는 팀에 필수적입니다. 데모 데이터를 수집하든, 시뮬레이션에서 정책을 교육하든, 프로덕션에 배포하든 이 개념은 작업 흐름과 시스템 설계에 직접적인 영향을 미칩니다.