bluemsi/2nd
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

[G1-Sync] Manual knowledge update

Browse Source
This commit is contained in:
Antigravity Agent
2026-04-30 22:42:02 +09:00
parent 0bd4f19e38
commit c36c0644a1
4888 changed files with 18470 additions and 18602 deletions
Download Patch File Download Diff File Expand all files Collapse all files
10_Wiki/Topics/State-Space.md
+5 -5
View File
@@ -1,8 +1,8 @@
---
id: P-REINFORCE-AUTO-SPS-001
id: [[P-Reinforce]]-AUTO-SPS-001
category: "10_Wiki/💡 Topics/AI"
confidence_score: 0.94
tags: [auto-reinforced, state-space, system-theory, control, navigation, search-space, potential-outcomes]
tags: [auto-reinforced, [[State]]-space, [[System-Theory]], control, navigation, [[Search-Space]], potential-outcomes]
last_reinforced: 2026-04-20
---
@@ -15,10 +15,10 @@ last_reinforced: 2026-04-20
상태 공간(State-Space)은 계(System)의 상태를 나타내는 모든 가능한 벡터들의 집합입니다.
1. **핵심 메커니즘**:
* **State Vector**: 시스템의 현재 상황을 요약한 수치 묶음. (Representation-Learning와 연결)
* **Transition Function**: 현재 상태에서 어떤 행동을 했을 때 다음 상태로 어떻게 변하는지 결정. (Reinforcement Learning (RL)와 연결)
* **State Vector**: 시스템의 현재 상황을 요약한 수치 묶음. ([[Representation-Learning]]와 연결)
* **Transition Function**: 현재 상태에서 어떤 행동을 했을 때 다음 상태로 어떻게 변하는지 결정. ([[Reinforcement Learning (RL)]]와 연결)
2. **왜 중요한가?**:
* 시스템이 가질 수 있는 모든 '경우의 수'를 수학적으로 정의함으로써, 원하는 상태(Goal)로 가기 위한 최적의 경로를 계산할 수 있기 때문임. (Optimization의 토대)
* 시스템이 가질 수 있는 모든 '경우의 수'를 수학적으로 정의함으로써, 원하는 상태([[goal]])로 가기 위한 최적의 경로를 계산할 수 있기 때문임. ([[Optimization]]의 토대)
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
- **과거 데이터와의 충돌**: 과거에는 변수가 적은 선형적 물리 시스템 정책 위주였으나, 현대 정책은 수십억 개의 파라미터를 가진 신경망 내부의 잠재 상태 공간(Latent state space)을 다루는 방향으로 확장됨(RL Update).