#Reinforcement Learning

강화학습 September 4, 2026

다중 에이전트 강화 학습 입문 - 상대방도 학습하는 세상에서 최적화하기

여러 에이전트가 동시에 학습할 때, 단일 에이전트 MDP는 더 이상 성립하지 않습니다. 이 논문에서는 비정상성, 협력/경쟁/혼합 환경, CTDE, 크레딧 할당 문제, MADDPG 및 QMIX를 방정식과 도표를 통해 정리합니다.

Fundamentals · 13 분 읽기 강화학습 September 4, 2026

보상 설계 입문 — 강화 학습에서 "무엇을 극대화할 것인가"가 가장 어려운 이유

강화 학습 구현에서 보상 함수 설계는 알고리즘 자체보다 결과에 더 큰 영향을 미치는 경우가 많습니다. 이 글에서는 희소 보상과 밀집 보상, 포텐셜 기반 보상 설계의 정책 불변성, 보상 해킹의 실제 사례, 역 강화 학습, 그리고 제약 조건이 있는 강화 학습을 다룹니다.

Fundamentals · 13 분 읽기 기술 동향 September 4, 2026

세계 모델의 기술 동향

'월드 모델'은 환경의 역동성을 학습하고 스스로 미래를 시뮬레이션합니다. Ha & Schmidhuber의 VAE+RNN부터 DreamerV3, Genie 3, Sora를 거쳐 Yann LeCun이 주창한 JEPA 아키텍처에 이르기까지, 이 글은 생성형 접근 방식과 비생성형 접근 방식의 차이, 그리고 양쪽 모두에서 마주치는 물리적 일관성이라는 공통의 장벽을 보여줍니다.

Trends · 13 분 읽기 강화학습 September 3, 2026

강화 학습 입문: 모방 학습과 역강화 학습

행동 복제, DAgger 및 역강화 학습은 보상을 설정하기 어려울 때 시연을 활용합니다. 이 입문 과정에서는 공변량 변화, 보상 추론, VLA 연결, 평가, 안전성 및 데이터 출처에 대해 다룹니다.

Fundamentals · 9 분 읽기 강화학습 September 3, 2026

강화 학습 기초 — MDP, 벨만 방정식 및 로봇 탐색

강화 학습은 에이전트가 관찰을 통해 행동을 선택하고 지연된 보상을 최대화하는 폐쇄 루프입니다. 이 입문서에서는 MDP, 가치 함수, 정책, 벨만 방정식, 탐색과 활용의 차이, 보상 설계, 그리고 시뮬레이션에서 실제 로봇 구현까지의 과정을 설명합니다.

Fundamentals · 10 분 읽기 강화학습 September 3, 2026

모델 기반 강화 학습 및 시뮬레이션에서 현실로의 전환

실제 기계를 위한 세계 모델, 예측 오류, MPC, 도메인 무작위화, 시스템 식별 및 안전 모니터링.

Fundamentals · 7 분 읽기 기술 동향 August 20, 2026

내비게이션 기술 동향

지도, 비용 지도, 경로 계획으로 구성된 고전적인 파이프라인부터 강화 학습을 통한 엔드투엔드 접근 방식, 그리고 비전-언어 모델 기반의 기초 모델에 이르기까지, 자율 이동 로봇 내비게이션의 현재 상황을 살펴봅니다.

Trends · 11 분 읽기