연구실 강화학습 기반 경로 계획 구현, 예측 불확실성을 분포 형태로 출력, 데이터 분포 편향이 일반화 능력에 직결, 속도·정확도 트레이드오프 설계
학습 기반 예측 및 계획 시스템 경험은 학부 연구실에서 간단한 시뮬레이션 환경에서 강화학습 기반 경로 계획을 구현한 것입니다. 규칙 기반 방식과 달리 학습 기반 접근은 명시적으로 규칙을 정의하지 않아도 환경에서 스스로 패턴을 찾는다는 점이 흥미로웠습니다.
예측 결과의 불확실성을 어떻게 다루는지가 실제 시스템에서 중요한 과제라는 것을 배웠는데, 단일 예측값보다 분포 형태의 출력이 하위 의사결정에 더 유용한 경우가 있었습니다. 학습 데이터의 분포 편향이 모델의 일반화 능력에 직접 영향을 주기 때문에, 다양한 시나리오 데이터를 균형 있게 수집하는 것이 중요하다는 것을 경험했습니다.
실제 시스템에서는 예측 속도와 정확도 사이의 트레이드오프가 설계를 결정하는 핵심 변수였습니다. 이 경험이 학습 기반 시스템의 가능성과 한계를 동시에 이해하는 기반이 됐습니다.