강화 학습을 이용한 인간 기술 개발 가속화를 위한 인공지능 코칭

AI Coaching for Accelerating Human Skill Development with Reinforcement Learning

인공지능 협력 시스템은 공유 제어를 통해 인간의 성능을 크게 향상시킬 수 있지만, 과도한 지원은 의존성을 유발하고 기술 저하를 초래할 수 있습니다. 본 연구에서는 인공지능 에이전트가 어떻게 인간의 운동 기술 개발을 가속화하는 코치 역할을 수행할 수 있는지 탐구합니다. 효과적인 코칭은 학습자의 능력에 맞춰 전략적 지침과 적절한 개입을 제공하여 생산적인 실패를 유도하고 학습을 촉진해야 합니다. 본 연구는 인터랙티브 인공지능 코칭 과정을, 학습자가 과제 성능을 최적화하는 비협조적 동적 게임으로 공식화하며, 코치는 학습자의 독립적인 역량을 목표로 합니다. 이러한 형식화를 바탕으로, 적응형 공유 제어를 강화 학습 프레임워크와 결합하고, 코치의 인과적 영향이 기술 발전에 미치는 영향을 확률 모델로 표현하여 코칭 정책을 효율적으로 훈련할 수 있도록 합니다. 최초 시점 영상 드론 레이싱에 대한 광범위한 사용자 연구(N=33) 결과, 제안하는 인공지능 코칭 방식은 최첨단 AI 코칭 기준보다 인간 학습 성과를 크게 향상시키는 것을 확인했습니다.

AI copilots can substantially boost human performance through shared control, but excessive assistance can induce over-reliance and skill atrophy. This paper studies how an embodied AI agent can act as a coach that accelerates human motor-skill development. We argue that effective coaching requires strategic scaffolding and stepping back that are aligned with the learner's capability, allowing productive failures that drive learning. We formalize the interactive AI coaching process as a non-cooperative dynamic game in which the learner optimizes task performance while the coach targets the learner's independent competence. Building on this formalism, we develop a reinforcement learning framework combining adaptive shared control with probabilistic models of the coach's causal influence on skill evolution, enabling tractable training of coaching policies. A comprehensive user study (N=33) on first-person-view drone racing shows significant gains in human learning outcomes over state-of-the-art AI coaching baselines.