지도학습

라벨 붙은 예시로 배우기: 입력과 정답의 쌍입니다. 모델은 자기 답이 내 답과 같아질 때까지 스스로를 조정하고 — 그 뒤 본 적 없는 입력에도 일반화합니다.

루프

1. 데이터 — (입력, 라벨) 쌍. 이 플랫폼에선 (카메라 프레임, 내가 누른 조향 버튼).
2. 훈련 — 모델이 예측하고, 내 라벨과 비교해 점수(손실)를 받고, 오차가 줄어드는 쪽으로 가중치를 조금씩 움직입니다. 전체 데이터셋을 여러 번(에폭) 반복합니다.
3. 추론 — 가중치를 고정하고, 새 입력에 즉시 예측합니다.

진짜 중요한 것: 데이터

• 커버리지 — 모델은 라벨링된 상황 비슷한 것만 압니다. 직선 사진만 있으면 커브에서 무력합니다.
• 일관성 — 같은 프레임에 다른 라벨을 붙이면 소음을 가르치는 겁니다.
• 균형 — "직진" 라벨이 90%면 모델은 "직진이 늘 안전한 답"이라고 배웁니다.

지도학습 레이싱 코스에서 훈련을 더 오래 돌릴 때가 아니라 커브를 더 라벨링할 때 좋아지는 이유가 이것입니다.

한계

지도학습은 스승을 흉내 냅니다 — 나를 넘어설 수 없고, 모든 걸 내가 라벨링해야 합니다. 정답을 보여주긴 어렵지만 시도를 채점하긴 쉬운 문제라면 강화학습이 필요합니다.