Precision Physical Activity Prescription via Reinforcement Learning for Functional Actions
All of Us 웨어러블 데이터의 일일 걸음 수와 반복 측정된 대사 건강 바이오마커를 바탕으로, 기간별 걸음 수 분포를 함수형 행동(functional action)으로 모델링하는 오프라인 강화학습(RL) 알고리즘으로 개인 맞춤 정밀 신체활동(PA) 처방을 학습한다. 시뮬레이션에서 기존 연속 행동 RL보다 우수하며, 학습된 정책은 전반적으로 더 많고 일관된 걸음 수를 권장하고 혈당, BMI, 혈압, 나이, 성별 하위군별 맞춤 권고를 제공한다.