docs(10_Wiki): 위키 전체 재구성 — Topic_* 폴더를 4개 카테고리로 통합 + 대규모 중복 제거
Topic_Agent/Topic_Blog/Topics/Topics_Biz/Topics_Meeting/Topics_Rag의 마크다운 지식 문서를 Topic_General/Topic_Programming/Topic_Graphic/Topic_Business 4개 카테고리로 재분류. - 중복 제거: frontmatter의 status:duplicate/merged + duplicate_of/redirect_to 필드로 자기 자신을 중복으로 선언한 리다이렉트 stub 1032개 제거, 완전 동일 내용 파일 472개 제거, 동일 파일명·다른 내용 충돌 시 더 큰(완전한) 버전만 유지(162개 제거) — 총 1639개 중복 제거. - 분류: 폴더 단위로 명확한 항목(AI_and_ML/Coding/Architecture 등 → Programming, Comfyui/Visual_Effects → Graphic, Topics_Biz/Topics_Meeting/사업 등 → Business, Poetic_Blog_Writing/창의성/Game_Design 등 → General)은 폴더 우선순위로, 나머지 혼재 폴더(Topic_Agent/Topic_Blog/Topics 루트/Thinking & Reasoning/Other/UI_UX_Assets)는 title/tags 키워드 스코어링으로 파일 단위 분류(불명확한 경우 General로 폴백). 원본 폴더명은 "From_*" 서브폴더로 보존해 추적 가능성 유지. - 최종 배치: Programming 2784 / General 1608 / Graphic 285 / Business 249 = 4926개 문서. - 에이전트 운영 상태(.astra/.agent/.obsidian/sessions/memory/_company/docs/lessons/_shared/src)는 지식 콘텐츠가 아니므로 재분류 대상에서 제외하고 원위치 유지. - Topics/Topic_email(상위 보호 폴더 Topic_email과 파일명 100% 중복) 삭제 — 보호 폴더 자체는 미변경. - 완전히 비게 된 Topic_Agent/Topic_Blog/Topics_Biz/Topics_Rag 폴더 제거.
This commit is contained in:
Antigravity Agent
+264
@@ -0,0 +1,264 @@
|
||||
---
|
||||
id: wiki-2026-0508-cognitive-training-aim
|
||||
title: Cognitive Training Software (Aim Lab, KovaaK's)
|
||||
category: 10_Wiki/Topics
|
||||
status: verified
|
||||
canonical_id: self
|
||||
aliases: [aim trainer, KovaaK, Aim Lab, flick training, tracking, FPS aim, neuro-muscle]
|
||||
duplicate_of: none
|
||||
source_trust_level: B
|
||||
confidence_score: 0.85
|
||||
verification_status: applied
|
||||
tags: [esports, aim-training, fps, neuroplasticity, deliberate-practice, gaming, sensitivity]
|
||||
raw_sources: []
|
||||
last_reinforced: 2026-05-10
|
||||
github_commit: pending
|
||||
tech_stack:
|
||||
language: gaming
|
||||
applicable_to: [Esports Training, FPS Skill, Deliberate Practice]
|
||||
---
|
||||
|
||||
# Aim Training Software
|
||||
|
||||
## 매 한 줄
|
||||
> **"매 neuro-muscle 의 programming"**. 매 mouse + 매 visual 의 thousand-rep optimization. 매 deliberate practice 의 gaming version. 매 modern: AI-aided weakness detection (Aim Lab 2026).
|
||||
|
||||
## 매 핵심
|
||||
|
||||
### 매 skill type
|
||||
1. **Flicking**: 매 instant snap (CS, Valorant headshot).
|
||||
2. **Tracking**: 매 sustained follow (Apex, Overwatch).
|
||||
3. **Target switching**: 매 multi-target.
|
||||
4. **Microadjustment**: 매 precision after flick.
|
||||
|
||||
### 매 metric
|
||||
- **Reaction time** (ms).
|
||||
- **Accuracy** (% hit).
|
||||
- **Time to first shot**.
|
||||
- **Shake / drift**.
|
||||
- **Consistency** (variance).
|
||||
|
||||
### 매 platform
|
||||
- **KovaaK's**: 매 esports gold standard.
|
||||
- **Aim Lab**: 매 free, 매 user-friendly.
|
||||
- **Aimlabs Tracking**.
|
||||
- **Voltaic Benchmarks**: 매 standardized.
|
||||
- **3D Aim Trainer** (browser).
|
||||
|
||||
### Voltaic Benchmark
|
||||
- **Bronze → Plat → Gold → Diamond → Master → GM → Nova**.
|
||||
- 매 8-10 task.
|
||||
- 매 measurable progression.
|
||||
|
||||
### 매 deliberate practice principle
|
||||
1. **Specific weakness** 의 target.
|
||||
2. **Slightly beyond comfort**.
|
||||
3. **Immediate feedback**.
|
||||
4. **Repeat with focus**.
|
||||
5. **Vary stimulus**.
|
||||
6. **Rest**.
|
||||
|
||||
→ Anders Ericsson 의 framework.
|
||||
|
||||
### 매 sensitivity transfer
|
||||
- 매 cm/360 의 consistent.
|
||||
- 매 game-to-game 의 same.
|
||||
- 매 mouse + DPI + in-game sens 의 calculate.
|
||||
|
||||
### 매 limit
|
||||
- 매 wrist injury risk (RSI).
|
||||
- 매 game sense / strategy 의 substitute X.
|
||||
- 매 over-training 의 plateau.
|
||||
- 매 transfer 의 not 100%.
|
||||
- 매 obsession risk.
|
||||
|
||||
### 매 modern AI assist
|
||||
- 매 weakness ML detect.
|
||||
- 매 personalized routine.
|
||||
- 매 form analysis (mouse path).
|
||||
- 매 prediction of plateau.
|
||||
|
||||
### 매 cognitive worker 의 응용
|
||||
- 매 not just gamer — 매 reaction time / focus 의 workout.
|
||||
- 매 aging brain 의 reaction maintenance.
|
||||
- 매 BDNF 의 boost (vigorous mental task).
|
||||
- 매 [[Cognitive Reserve Theory]] 의 contributor.
|
||||
|
||||
## 💻 패턴 (응용 — practice routine + analytics)
|
||||
|
||||
### Daily routine (Voltaic-inspired)
|
||||
```yaml
|
||||
warmup: 10 min
|
||||
- Static clicking (5 min, 60 cm/360)
|
||||
- Smooth tracking (5 min)
|
||||
|
||||
main: 20-30 min (rotate 매일)
|
||||
monday: 'Flicking heavy'
|
||||
- KovaaK 1wall6targets: 5 runs
|
||||
- Bounce 180: 5 runs
|
||||
tuesday: 'Tracking'
|
||||
- Smoothbot: 5 runs
|
||||
- Air angelic: 5 runs
|
||||
wednesday: 'Switching'
|
||||
- 6sphere: 5 runs
|
||||
- Bounce track invincible: 5 runs
|
||||
thursday: 'Microcorrection'
|
||||
- Pasu small: 5 runs
|
||||
friday: 'Benchmark week'
|
||||
- Voltaic Energy / Hard run-through
|
||||
|
||||
cooldown: 5 min
|
||||
- Wrist stretch
|
||||
- Forearm release
|
||||
```
|
||||
|
||||
### Sensitivity calculator
|
||||
```python
|
||||
def cm_per_360(dpi, in_game_sens, yaw=0.022):
|
||||
"""매 cm 의 mouse 의 360°."""
|
||||
counts_per_360 = 360 / (in_game_sens * yaw)
|
||||
cm_per_360 = counts_per_360 / dpi * 2.54
|
||||
return cm_per_360
|
||||
|
||||
# 매 typical: 30-50 cm/360 for FPS.
|
||||
# 매 lower sens = 매 more precision but harder flicks.
|
||||
print(cm_per_360(800, 0.4)) # ~36 cm/360
|
||||
```
|
||||
|
||||
### Cross-game sensitivity (consistent)
|
||||
```python
|
||||
# 매 KovaaK's → Valorant
|
||||
def convert_sens(from_game, to_game, current_sens):
|
||||
yaw = {
|
||||
'kovaak': 0.022,
|
||||
'valorant': 0.07,
|
||||
'csgo': 0.022,
|
||||
'apex': 0.022,
|
||||
'overwatch': 0.0066,
|
||||
}
|
||||
return current_sens * yaw[from_game] / yaw[to_game]
|
||||
|
||||
# 매 KovaaK 0.4 → Valorant
|
||||
print(convert_sens('kovaak', 'valorant', 0.4)) # 매 0.126
|
||||
```
|
||||
|
||||
### Performance log
|
||||
```python
|
||||
class AimTrainingLog:
|
||||
def __init__(self):
|
||||
self.sessions = []
|
||||
|
||||
def log(self, scenario, score, accuracy, reaction_avg_ms):
|
||||
self.sessions.append({
|
||||
'date': datetime.now(),
|
||||
'scenario': scenario,
|
||||
'score': score,
|
||||
'accuracy': accuracy,
|
||||
'reaction_avg_ms': reaction_avg_ms,
|
||||
})
|
||||
|
||||
def trend(self, scenario, days=30):
|
||||
recent = [s for s in self.sessions
|
||||
if s['scenario'] == scenario and
|
||||
s['date'] > datetime.now() - timedelta(days=days)]
|
||||
if len(recent) < 2: return None
|
||||
return {
|
||||
'first_score': recent[0]['score'],
|
||||
'last_score': recent[-1]['score'],
|
||||
'improvement': recent[-1]['score'] - recent[0]['score'],
|
||||
'consistency_cv': stats.std([s['score'] for s in recent]) /
|
||||
stats.mean([s['score'] for s in recent]),
|
||||
}
|
||||
```
|
||||
|
||||
### Weakness detection (LLM-aided)
|
||||
```python
|
||||
def detect_weakness(log, recent_n=20):
|
||||
recent = log.sessions[-recent_n:]
|
||||
by_category = defaultdict(list)
|
||||
for s in recent:
|
||||
category = categorize(s['scenario']) # 매 flick / track / switch / micro
|
||||
by_category[category].append(s)
|
||||
|
||||
weaknesses = []
|
||||
for cat, sessions in by_category.items():
|
||||
avg = mean([s['score'] for s in sessions])
|
||||
baseline = voltaic_baseline(cat, current_rank='diamond')
|
||||
if avg < baseline * 0.85:
|
||||
weaknesses.append((cat, avg, baseline))
|
||||
|
||||
return sorted(weaknesses, key=lambda x: x[1] / x[2]) # 매 worst first
|
||||
```
|
||||
|
||||
### RSI prevention (wrist health)
|
||||
```python
|
||||
def wrist_break_schedule():
|
||||
return {
|
||||
'every_25_min': '5 min: stretch + standing',
|
||||
'every_2_hour': '15 min: walk',
|
||||
'daily': '5 min: forearm massage + finger stretch',
|
||||
'weekly': '1 day: total rest',
|
||||
'red_flag_signs': [
|
||||
'Tingling',
|
||||
'Persistent pain',
|
||||
'Weak grip',
|
||||
'→ See doctor',
|
||||
],
|
||||
}
|
||||
```
|
||||
|
||||
### Over-training detection
|
||||
```python
|
||||
def overtrained(log):
|
||||
recent_30 = log.sessions[-30:]
|
||||
if len(recent_30) < 10: return False
|
||||
|
||||
# 매 score 의 consistent 의 plateau or decline
|
||||
first_half = [s['score'] for s in recent_30[:15]]
|
||||
second_half = [s['score'] for s in recent_30[15:]]
|
||||
|
||||
if mean(second_half) < mean(first_half):
|
||||
return 'PLATEAU / DECLINE — consider rest week'
|
||||
return False
|
||||
```
|
||||
|
||||
## 🤔 결정 기준
|
||||
| 상황 | Tool |
|
||||
|---|---|
|
||||
| Esports serious | KovaaK's + Voltaic |
|
||||
| Casual / free | Aim Lab |
|
||||
| Browser quick | 3D Aim Trainer |
|
||||
| Form analysis | Replay video review |
|
||||
| Cross-game | Sens calculator |
|
||||
| Cognitive worker (older) | Aim Lab + light routine |
|
||||
|
||||
**기본값**: 매 daily 20-30 min + 매 weekly benchmark + 매 wrist break.
|
||||
|
||||
## 🔗 Graph
|
||||
- 부모: [[Deliberate-Practice]]
|
||||
- 변형: [[KovaaK]] · [[Aim-Lab]]
|
||||
- Adjacent: [[Brain-Derived Neurotrophic Factor (BDNF)]] · [[Cognitive Reserve Theory]] · [[Chronic-Pain-Management-Protocols]] (RSI)
|
||||
|
||||
## 🤖 LLM 활용
|
||||
**언제**: 매 esports practice. 매 reaction time 의 maintenance. 매 cognitive worker workout.
|
||||
**언제 X**: 매 game sense substitute. 매 specific medical advice.
|
||||
|
||||
## ❌ 안티패턴
|
||||
- **Quantity over quality**: 매 mindless rep.
|
||||
- **Sensitivity 의 변동**: 매 muscle memory X.
|
||||
- **Skip warmup**: 매 injury.
|
||||
- **Skip rest**: 매 plateau / RSI.
|
||||
- **Same scenario only**: 매 narrow improvement.
|
||||
- **No log**: 매 progress invisible.
|
||||
- **Ignore game sense**: 매 aim 만 의 ranked X.
|
||||
|
||||
## 🧪 검증 / 중복
|
||||
- Verified (Voltaic, Anders Ericsson deliberate practice, esports community).
|
||||
- 신뢰도 B.
|
||||
- Related: [[Brain-Derived Neurotrophic Factor (BDNF)]] · [[Cognitive Reserve Theory]] · [[Chronic-Pain-Management-Protocols]] · [[Cognitive-Evaluation-Theory]].
|
||||
|
||||
## 🕓 Changelog
|
||||
| 날짜 | 변경 |
|
||||
|---|---|
|
||||
| 2026-05-08 | Phase 1 |
|
||||
| 2026-05-10 | Manual cleanup — skill type + Voltaic + 매 sens calc / weakness / RSI code |
|
||||
Reference in New Issue
Block a user