強化学習の一般的な問題点として,「入力の一般化問題」と「部分観測問題」が挙げられる． 「状況認識と行動規則の同時学習方式」は，問題として前者を対象としている． この学習方式は，現在シミュレーション環境のみで有効性が確認されている． しかし，実環境はセンサやアクチュエータなどの誤差があるため，実環境での性能低下により，有効性は保証できない． したがって，本研究ではこの学習方式を実環境に適用して，実環境での有効性を確認する．
本研究で提案する，実環境における性能の低下を改善する手法は，この学習方式の状態空間の構成において，状況の穴となる部分に注目する． この状況の穴となる部分は，性能の低下を引き起こす要因の一つと考えられ，不適切な負事例によって発生する． 提案手法は，この不適切な負事例を取り除くことにより，状況の穴となる部分を補間し，実環境における性能の低下を改善する．