2nd/10_Wiki/Topics/Computer_Science_and_Theory/Model-Predictive-Control (MPC).md

id, title, category, status, canonical_id, aliases, duplicate_of, source_trust_level, confidence_score, tags, raw_sources, last_reinforced, github_commit, inferred_by

id	title	category	status	canonical_id	aliases	duplicate_of	source_trust_level	confidence_score	tags	raw_sources	last_reinforced	github_commit	inferred_by
wiki-2026-0508-model-predictive-control-mpc	Model Predictive Control (MPC)	10_Wiki/Topics	needs_review	self	P-Reinforce-AI-MPC	none	A	0.98	Engineering ControlTheory MPC Predictive		2026-04-20	pending	Claude Opus 4.7 (auto-normalize 2026-05-08)

Model-Predictive-Control (MPC) (모델 예측 제어)

📌 한 줄 통찰 (The Karpathy Summary)

"몇 수 앞을 내다보고 현재의 핸들을 꺾는 지능형 조타수." 시스템의 수학적 모델을 사용해 미래의 거동을 예측하고, 수천 번의 가공 시뮬레이션을 통해 현재 시점에서 최선의 제어 입력을 결정하는 고도의 제어 알고리즘이다.

📖 구조화된 지식 (Synthesized Content)

• Mechanism:
  1. 현재 상태를 측정함.
  2. 일정 기간(Prediction Horizon) 동안 시스템이 어떻게 움직일지 미래를 예측함.
  3. 제약 조건(예: 속도 100km 제한)을 만족하면서 가장 목표에 근접하는 입력 시퀀스를 계산.
  4. 계산된 여러 수 중 첫 번째 명령만 실행하고 다시 1번으로 돌아감 (Receding Horizon).
• 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 (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 , Decision Theory
• AI Hybrid: Deep-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