단순 모방을 넘어: 모방 학습에서의 평생 적응성을 향하여

Beyond Mimicry: Toward Lifelong Adaptability in Imitation Learning

모방 학습은 기로에 서 있습니다. 수십 년간의 발전에도 불구하고, 현재의 모방 학습 에이전트들은 재생에는 뛰어나지만 상황이 변하거나 목표가 진화할 때는 실패하는 정교한 암기 기계에 머물러 있습니다. 본 논문은 이러한 실패가 기술적인 문제가 아니라 근본적인 문제, 즉 모방 학습이 잘못된 목표에 맞춰 최적화되었다는 점에 있다고 주장합니다. 우리는 성공의 기준을 완벽한 재생에서 구성적 적응성으로 재정의하는 연구 의제를 제안합니다. 이러한 적응성은 행동의 기본 단위를 한 번 학습하고, 재학습 없이 새로운 상황에 맞춰 이를 재조합하는 능력에 달려 있습니다. 우리는 구성적 일반화를 위한 지표를 확립하고, 하이브리드 아키텍처를 제안하며, 인지 과학 및 문화 진화론을 바탕으로 한 학제간 연구 방향을 제시합니다. 결과적으로 모방 학습의 핵심에 적응성을 내재화한 에이전트는 끝없이 변화하는 개방형 세계에서 작동하는 데 필수적인 능력을 갖추게 될 것입니다.

Imitation learning stands at a crossroads: despite decades of progress, current imitation learning agents remain sophisticated memorisation machines, excelling at replay but failing when contexts shift or goals evolve. This paper argues that this failure is not technical but foundational: imitation learning has been optimised for the wrong objective. We propose a research agenda that redefines success from perfect replay to compositional adaptability. Such adaptability hinges on learning behavioural primitives once and recombining them through novel contexts without retraining. We establish metrics for compositional generalisation, propose hybrid architectures, and outline interdisciplinary research directions drawing on cognitive science and cultural evolution. Agents that embed adaptability at the core of imitation learning thus have an essential capability for operating in an open-ended world.