Antigravity Agent
33 lines
2.4 KiB
Markdown
33 lines
2.4 KiB
Markdown
---
|
|
id: [[P-Reinforce|P-Reinforce]]-AUTO-COSE-001
|
|
category: Unified
|
|
confidence_score: 0.95
|
|
tags: [auto-reinforced, control-systems, engineering, feedback, pid-control, automation, dynamical-systems]
|
|
last_reinforced: 2026-04-20
|
|
---
|
|
|
|
# [[Control-Systems-Engineering|Control-Systems-Engineering]]
|
|
|
|
## 📌 한 줄 통찰 (The Karpathy Summary)
|
|
> "의도한 대로의 상태 유지: 복잡한 외부의 방해 속에서도, 시스템의 현재 상태를 목표치(Set-point)로 일정하게 유지하거나 정확한 경로로 유도하기 위해 끊임없이 '수정 명령'을 내리는 기술적 중추."
|
|
|
|
## 📖 구조화된 지식 (Synthesized Content)
|
|
제어 시스템 공학(Control-Systems-Engineering)은 동적 시스템의 거동을 제어하고 원하는 동작을 이끌어내기 위한 공학적 원리와 분석 방법을 다룹니다.
|
|
|
|
1. **핵심 구조 (Feedback Loop)**:
|
|
* **Sensor**: 현재 상태(Output) 측정.
|
|
* **Comparator**: 목표값과 현재값의 차이(Error) 계산.
|
|
* **Controller**: 오차를 줄이기 위한 제어값 계산 (예: PID 제어).
|
|
* **Actuator**: 시스템에 물리적/논리적 변화 가함.
|
|
2. **왜 중요한가?**:
|
|
* 자율주행차의 조향부터 원자로의 온도 조절, 로봇의 균형 잡기까지 현대 문명의 모든 '자동화'가 이 이론 위에 서 있기 때문임. (Automation와 연결)
|
|
|
|
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
|
- **과거 데이터와의 충돌**: 과거에는 시스템의 모든 수학적 모델 정책을 완벽히 알아야 한다는 고전 제어(Classic Control) 정책이 주류였으나, 현대 정책은 모델을 몰라도 데이터로 배우는 '모델 프리 강화학습 정책(Model-free RL)'과 결합하여 훨씬 복합적인 제어 정책을 수행함(RL Update). ([[Reinforcement Learning (RL)|Reinforcement Learning (RL)]]와 연결)
|
|
- **정책 변화(RL Update)**: 이제는 단순 물리 시스템 제어 정책을 넘어, 거대 AI 모델의 답변 정책([[Alignment|Alignment]])을 제어하거나 사회적 시스템의 변동성 정책을 제어하는 광의의 제어 정책으로 확장 중임.
|
|
|
|
## 🔗 지식 연결 (Graph)
|
|
- Automation, [[Reinforcement Learning (RL)|Reinforcement Learning (RL)]], [[System-Theory|System-Theory]], [[Robotics|Robotics]], [[Efficiency|Efficiency]]
|
|
- **Key Algorithms**: PID Control, Kalman Filter, Model Predictive Control (MPC).
|
|
---
|