기록 메모. 이 글은 현재 워크스페이스가 어떤 흐름으로 연결되는지 한 번에 보려는 지도다. 폴더 목록을 소개하기보다, 한 판단이 노트·시뮬레이션·학습·평가 중 어디로 이어지는지를 설명한다.
휴머노이드 로봇을 공부하고 구현하는 일은 어디에서 시작해 어디로 돌아와야 할까? 논문을 읽는 일, 컴퓨터 안에서 로봇을 움직이는 일, 학습을 돌리는 일은 겉으로는 따로 보인다. 나는 이들을 한 줄로 나열하기보다, 하나의 질문이 여러 장소를 오가며 답을 좁혀 가는 구조로 보고 있다. 이 글은 현재 워크스페이스를 그 질문의 이동 경로로 설명하려는 지도다.
출발점은 ‘무엇을 만들까’가 아니라 ‘무엇을 확인할까’였다
처음에는 시뮬레이터를 열고 정책을 학습시키는 것부터 시작하고 싶었다. 그러나 어떤 움직임을 확인하려는지 모른 채 실행부터 하면, 나온 결과를 해석할 기준도 함께 사라진다. 그래서 논문과 기존 기록에서 현재의 질문을 먼저 정리하고, 그 질문을 확인할 수 있는 환경과 평가를 뒤에 붙이기로 했다. 이 순서는 느려 보이지만, 다음에 무엇을 바꿔야 할지 판단하기에는 더 짧은 길이었다.
지식은 답안지가 아니라 출발점으로 둔다
연구 노트에는 논문을 요약한 결론만 남기지 않는다. 어떤 개념이 현재 문제와 닿는지, 아직 확인하지 못한 가정은 무엇인지, 다음에 검증할 질문이 무엇인지를 남긴다. 논문을 읽고 바로 구현으로 뛰어드는 방식은 빠를 수 있지만, 적용 조건이 다른 경우에는 잘못된 비교를 만들 수 있다고 봤다. 그래서 읽은 내용은 곧바로 정답이 아니라, 시뮬레이션에서 다시 물어볼 가설로 옮긴다.
시뮬레이션은 안전한 답이 아니라 반복 가능한 질문이다
시뮬레이션은 컴퓨터 안에서 로봇과 물리 법칙을 재현해 보는 환경이다. 실제 로봇에서 바로 확인하면 비용과 위험이 커질 수 있어, 먼저 같은 조건을 반복할 수 있는 환경을 기준으로 삼았다. 그렇다고 화면에서 로봇이 움직인다는 사실만으로 결론을 내리지는 않는다. 환경의 어떤 조건을 고정했는지 함께 기록해야, 관찰된 변화가 정책 때문인지 실행 조건 때문인지 다시 따져 볼 수 있다.
학습은 결과를 만드는 단계가 아니라 비교를 만드는 단계다
정책 학습은 로봇이 어떤 상태에서 어떤 행동을 고를지 데이터를 통해 조정하는 과정이다. 나는 오래 실행한 한 번의 결과보다, 무엇을 바꾸었고 무엇이 달라졌는지 비교할 수 있는 실험 단위를 먼저 만들려고 한다. 모든 파일을 한곳에 쌓는 선택지는 관리가 쉬워 보이지만, 시간이 지나면 결과의 출처를 잃기 쉽다. 그래서 코드와 설정의 변화, 대용량 산출물의 위치, 결과를 해석한 판단을 서로 연결해 남긴다.
평가는 끝이 아니라 되돌아가는 지점이다
평가에서 중요한 것은 통과와 실패를 표시하는 것만이 아니다. 왜 실패했는지, 어떤 조건에서 기대와 달랐는지, 다음에는 무엇을 확인해야 하는지를 남겨야 다음 실험이 같은 자리를 맴돌지 않는다. 좋은 수치가 나왔을 때도 그 수치 하나로 결론을 내리는 대신, 움직임의 질과 실패 양상을 별도로 보려고 한다. 이 판단은 다시 환경, 학습 조건, 또는 처음 읽었던 논문 노트로 돌아간다.
현재 구조는 흐름을 잃지 않기 위한 약속이다
현재의 워크스페이스는 지식, 실행 환경, 학습, 평가, 실행 경로가 각자 다른 역할을 갖도록 나뉘어 있다. 하지만 이 분리는 각 부분을 고립시키기 위한 것이 아니라, 한쪽의 변경이 다른 쪽에 어떤 질문을 남기는지 따라가기 위한 장치다. 오늘의 결론은 간단하다. 좋은 구성도는 폴더를 보기 좋게 배열하는 것이 아니라, 하나의 판단이 어디서 시작해 어디로 돌아오는지 보여 주는 지도다.
다음에는 이 지도 위에서 논문을 읽은 내용이 실제 정책과 평가까지 어떻게 이어지는지, 전체 작업 흐름을 따라 적어 보려 한다.