32 lines
2.2 KiB
Markdown
32 lines
2.2 KiB
Markdown
---
|
|
id: P-REINFORCE-AUTO-COTH-001
|
|
category: "[[10_Wiki/💡 Topics/AI]]"
|
|
confidence_score: 0.95
|
|
tags: [auto-reinforced, control-theory, engineering, feedback-loops, stability, automation]
|
|
last_reinforced: 2026-04-20
|
|
---
|
|
|
|
# [[Control-Theory]]
|
|
|
|
## 📌 한 줄 통찰 (The Karpathy Summary)
|
|
> "목푯값을 향한 끊임없는 교정: 시스템이 원하는 상태(Setpoint)를 유지하거나 도달할 수 있도록, 현재 상태를 실시간으로 측정하고 오차를 계산하여 입력을 조절하는 피드백 루프의 미학."
|
|
|
|
## 📖 구조화된 지식 (Synthesized Content)
|
|
제어 이론(Control-Theory)은 동적 시스템의 거동을 제어하기 위한 수학적 방법론입니다.
|
|
|
|
1. **핵심 메커니즘**:
|
|
* **Feedback Control**: 결과를 관찰하고 입력에 반영하여 오차를 줄임.
|
|
* **Stability**: 시스템이 발산하지 않고 목푯값 근처에서 안정적으로 유지되는 능력.
|
|
* **PID 제어 (Proportional-Integral-Derivative)**: 비례, 적분, 미분 연산을 통해 응답 속도와 정확도를 조절하는 가장 대중적인 제어 기법.
|
|
2. **왜 중요한가?**:
|
|
* 미사일 유도, 자율주행차의 조향, 화학 공장의 온도 조절부터 인체의 항상성 유지까지 모든 자동화의 근간임. (Homeostasis와 연결)
|
|
|
|
## ⚠️ 모순 및 업데이트 (Contradictions & RL Update)
|
|
- **과거 데이터와의 충돌**: 과거에는 미리 정해진 수학적 모델(Model-based)에 의존하는 정책이 주류였으나, 현대 정책은 모델 없이 데이터로부터 학습하는 '강화학습 기반 제어 정책'으로 패러다임이 이동함(RL Update). (Reinforcement Learning과 연결)
|
|
- **정책 변화(RL Update)**: 복잡한 로봇 제어 정책에서, 물리 법칙을 수식으로 푸는 대신 시뮬레이션 환경에서 수만 번 시행착오를 겪으며 최적의 제어를 찾는 'Sim-to-Real 정책'이 표준이 됨.
|
|
|
|
## 🔗 지식 연결 (Graph)
|
|
- [[Homeostasis (항상성)]], [[Reinforcement Learning (RL)]], [[Cybernetics]], [[Optimization]], [[Robotics]]
|
|
- **Modern Tech/Tools**: MATLAB/Simulink, ROS (Robot Operating System), MPC (Model Predictive Control).
|
|
---
|