제어이론과 강화학습에 대한 질문

우선 저는 로봇관련 분야 학계에서 종사하지만, 강화학습 관련 전문가는 아닌 좆문가 수준이니 다른 전문가분들 말을 더 신뢰하시길 바라며..
1. 로봇팔같이 한쪽끝이 고정된 로봇들은 기구학 해석으로 endeffector의 포지션/힘 등 모든 제어가 이미 수식적으로도 충분히 가능합니다. 자유도가 많아질수록 복잡해질 뿐이지만, 굳이 강화학습이라는 도박을 할 이유가 전혀없는거죠.
2. 반대로 보행로봇처럼 고정점이 정해지지 않거나 계속 바뀌는 시스템은, 수식적으로 해석하기 상당히 어렵습니다. 그래서 보통 2족보행이든 4족보행이든 mass/spring/damping 등의 simplified model로 가정해서 제어를 하는게 일반적이였습니다. 그러다가 최근 강화학습이 생기면서, 프로그램 상에서 강화학습을 돌려놓고, 그 결과로 제어하는 기술들이 많이 나오고 있죠. 국내에서 해당연구를 가장 오랫동안 많이해오신분중 한분이 황보재민 교수겠고요.
따라서 동역학 해석이 가능한 영역에서는 강화학습을 쓸 이유가 전혀없지만, 시스템이 복잡해질수록 강화학습의 매력은 중요해진다 생각합니다.
우리가 실제로 걸을때도 각 관절의 각속도와 근육의 힘 등의 정보를 바탕으로 역학을 계산하면서 걷는게 아니라, 학습을 통해서 걷는거랑 유사하다고 생각합니다.
Underactauted robotics 의 MIT강의도 도움이 되며, 박재흥 교수나 박해원 교수, 황보재민 교수, 김상배 교수 등등 상당히 연구잘하는 분들의 세미나들도 유투브에 찾아보시면 많이 있습니다. 로봇플러스TV, MERRIC, 서울대 세미나 등등 채널 등등 저도 구독해서 많이 봅니다.

1. 일부 연구용 로봇 외에는 활용되지 않고 있어요.
강화학습이 불확실성 극복하는데는 도움이되지만, 일단 정밀제어에 적용하기에는 힘들고 sim2real 문제로 제대로 학습 시켜보는데 상당히 고생스러워요. 시뮬레이션이야 백날 잘되봤자 실험 해보면 안되는게 대부분이에요...
그래도 기존 알고리즘 기반 방법이 못하는걸 해낼 포텐이 있으니 연구 주제로 삼기에는 매력적입니다.

2. 요즘 트랜드는 강화학습보다 딥러닝 활용하는게 더 맞다고 보이네요.

Boston Dynamics 보세요. 다 강화학습임.