feat: Wiki 지식 자산 업데이트 - UX Scenarios, Frontend, Game Design, Topics 추가 [2026-05-08]

10_Wiki/Topics/Computer_Science_and_Theory/Model-Predictive-Control (MPC).md

@@ -1,9 +1,18 @@
 ---
-id: [[P-Reinforce|P-Reinforce]]-AI-MPC
-category: Unified
+id: wiki-2026-0508-model-predictive-control-mpc
+title: Model Predictive Control (MPC)
+category: 10_Wiki/Topics
+status: needs_review
+canonical_id: self
+aliases: [P-Reinforce-AI-MPC]
+duplicate_of: none
+source_trust_level: A
 confidence_score: 0.98
 tags: [Engineering, ControlTheory, MPC, Predictive]
+raw_sources: []
 last_reinforced: 2026-04-20
+github_commit: pending
+inferred_by: Claude Opus 4.7 (auto-normalize 2026-05-08)
 ---
 
 # [[Model-Predictive-Control (MPC)|Model-Predictive-Control (MPC)]] (모델 예측 제어)
@@ -20,9 +29,35 @@ last_reinforced: 2026-04-20
 - **Strength**: 여러 개의 입력과 출력이 얽힌 복잡한 시스템(MIMO)을 다루는 데 탁월하며, 제약 조건을 하드코딩으로 반영할 수 있다.
 - **Domain**: 정유 공정, 우주선 도킹, 고성능 자율주행 차량.
 
-## ⚠️ 모순 및 업데이트 (RL Update)
+## ⚠️ 모순 및 업데이트 (Contradictions & Updates)
 - MPC는 매 순간 최적화 문제를 풀어야 하므로 계산 성능이 엄청나게 소모된다. 최근에는 강화학습(RL)이 MPC의 역할을 대신하거나, 반대로 RL이 갈 방향을 MPC가 제약 조건으로 가이드해주는 하이브리드 제어(Learning-based MPC)가 로보틱스의 새로운 표준이 되고 있다.
 
 ## 🔗 지식 연결 (Graph)
 - Related: [[Control-Theory|Control-Theory]] , [[Decision Theory|Decision Theory]]
 - AI Hybrid: Deep-[[Reinforcement-Learning|Reinforcement-Learning]]-for-Control
+
+## 🤖 LLM 활용 힌트 (How to Use This Knowledge)
+
+**언제 이 지식을 쓰는가:**
+- *(TODO)*
+
+**언제 쓰면 안 되는가:**
+- *(TODO)*
+
+## 🧪 검증 상태 (Validation)
+
+- **정보 상태:** needs_review
+- **출처 신뢰도:** A
+- **검토 이유:** *(P-Reinforce Phase 1 자동 정규화. 본문 검증 필요.)*
+
+## 🧬 중복 검사 (Duplicate Check)
+
+- **기존 유사 문서:** *(TODO: 인덱서 클러스터 리포트 참조)*
+- **처리 방식:** UPDATE (자동 정규화)
+- **처리 이유:** Phase 1 정규화 — 옛 템플릿/누락 필드 보강.
+
+## 🕓 변경 이력 (Changelog)
+
+| 날짜 | 변경 내용 | 처리 방식 | 신뢰도 |
+|------|-----------|-----------|--------|
+| 2026-05-08 | P-Reinforce Phase 1 정규화 (frontmatter + 헤더 표준화) | UPDATE | A |