확률적 로봇 공학을 마치며

마르코브 결정 등 아직 내용들은 조금 남아있지만

 

확률 기반 위치 추정 및 지도작성에 대한 전반적인 개념들을 대강 살펴볼수 있었다.

 

이 책을 처음 보고 1~2년이 지난후 지금은

 

공부하다보면 아무리 봐도 이해가 되지 않는 부분들이

 

이번에 읽으면서 술술 읽히기 시작했던건

 

내가 그동안 반복한 것도 있었지만

 

확률적 로봇공학을 공부하기전에 필요한 내용들을 순서대로 공부하지 않았기 때문이며,

 

내가 사전에 다른 기반 개념들을 학습하지 않고 봐서 그렇다고 생각하게 되었다.

 

 

분명 처음에는 오랜 시간을 들여서 봐도 이해가 하나도 안되던 개념들이

 

이 책 보기를 포기하고 다른 것들을 배우면서

 

임의의 변수라고 이상하게 이해하던 random variable가 확률 변수 임을 알게되었고

 

태일러 확장이라고 본 talyor expansion이 선형 근사를 하는 테일러 전개임을 알게 되었다.

 

다분산이라고 이해하던 multivariate가 다변수라는걸 이해한지 얼마 되지도 않았다.

 

 

 

하지만 여전히 EM 기대값 최대화나 우도 최대화 같은 개념들이

 

최적화 개념인것은 알겠으나

 

최적화 관련분야에 대해 배경지식이 너무 없다.

 

원래 확률적 로봇공학을 마치면

 

파이썬로보틱스를 직접 구현하고 정리해보려고 하였으나

 

 

 

최적화 이론을 봐야할 것 같은데

 

이 최적화 이론에 앞서서 수치 해석 분야를 조금 더 파야할것같다.

 

이번 내용을 정리하면서

 

수치적으로

 

해석적으로 라는 말을 많이 적기는했으나

 

여전히 수치적이란것과 해석적이라는것의 의미를 잘 이해가 되지 않는다.

 

그래서 다음에는 kmooc의 수치해석 과목을 중심으로 학습을 진행하려고 한다.

 

 

 

이번 글을 적기 시작하면서 배경 지식이 없어서

 

시간낭비를 많이 했다고 했는데

 

내가 시행착오를 많이 겪을수 밖에 없었던 건

 

내 주변에는 전체적인 그림과 내가 지식적으로 어느부분이 부족한지 파악해서 전달해줄수 있는 사람이 없었고,

 

자신도 모르는걸 억지로 해내라고 강요하는 사람밖에 없었다.

 

 

 

내 딴에는 가까운 사람들에게 가능하면 전체적인 그림과 

 

세부적인 부분들을 가능한 잘 전달하려고하나

 

한두번 본다고 그런 능력이 생기겠는가

 

꾸준히 공부하긴 해야하기는 해야되지만

 

내가 제대로된 방향을 가는건지 잘 모르겠다.