홈

유나이트 서울 2025 - Mobile native debugging and ANR 유니티 코리아 유나이트 2025 서울 행사에 참석했다. 이 포스트는 “Mobile Native Debugging and ANR” 강연 내용을 정리한 것이다. ANR(Application Not Responding)은 모바일 게임 개발에서 가장 골치 아픈 문제 중 하나다. 이 글이 ANR 문제로 고민하는 모든 개발자들에게 실질적인 도움이 되길 바란다. 들어가며 ANR의 정의와 특징 ANR은 애플리케이션이 특정 작업을 지정된 시간 안에 완료하지 못할 때 OS에서 보고하는 현상이다. iOS에서는 App Freezing이라는 용어...

GAE: 일반화된 어드밴티지 추정 GAE(Generalized Advantage Estimation)는 강화학습에서 어드밴티지 함수를 효과적으로 추정하는 방법론이다. 이 방법은 특히 A2C(Advantage Actor-Critic)와 같은 Actor-Critic 알고리즘에서 핵심적인 역할을 하며, 정책 그래디언트의 분산을 줄이면서도 편향을 적절히 제어하는 균형점을 제공한다. 어드밴티지 함수 강화학습에서 어드밴티지 함수(Advantage Function)는 특정 상태에서 특정 행동의 상대적 가치를 측정한다. 어드밴티지 함수는 기본적으로 다음과 같이 정의된다: \[A(s, a) = Q(s, a) - V(s)\]...

A2C 알고리즘 A2C(Advantage Actor-Critic) 알고리즘은 정책 그래디언트 기법과 가치 함수 근사를 결합한 강화학습 알고리즘이다. 이 알고리즘은 Policy Gradient Theorem을 기반으로 하며, REINFORCE 알고리즘의 높은 분산 문제를 개선하고, 심층신경망의 파라미터($\theta$)를 조정하여 정책을 최적화한다. REINFORCE의 한계와 A2C REINFORCE와 같은 기존 정책 그래디언트 알고리즘에는 두 가지 주요 단점이 있다: 그래디언트 추정의 분산이 높아 학습이 불안정하다. 에피소드가 완전히 끝나야만 정책을 업데이트할 수 있다. A2C는 이러한 한계를 ...

REINFORCE 알고리즘 REINFORCE 알고리즘은 Policy Gradient Theorem을 실제로 구현한 몬테카를로 기반의 정책 최적화 방법이다. 이 알고리즘은 실제 경험에서 얻은 데이터를 활용하여 정책 파라미터를 직접 최적화한다. REINFORCE의 핵심 원리 REINFORCE 알고리즘은 Policy Gradient Theorem의 다음 식을 근간으로 한다: \[\nabla_\theta J(\theta) = \mathbb{E}_{\tau \sim \pi_\theta} \left[ \sum_{t=0}^{T-1} Q^{\pi_\theta}(s_t, a_t) \nabla_\theta \log \pi_\...

Policy Gradient Theorem Policy Gradient Theorem은 강화학습에서 정책 파라미터에 대한 목적 함수의 그래디언트를 계산 가능한 형태로 표현한다. 이를 통해 에이전트가 환경과 상호작용하며 얻는 보상을 최대화하는 정책을 최적화할 수 있다. 이 정리는 REINFORCE, Actor-Critic, PPO 같은 알고리즘의 수학적 기반이 된다. 정책 최적화의 목표 강화학습에서 우리는 에이전트가 환경과 상호작용하면서 받는 보상을 최대화하는 정책을 찾고자 한다. 정책은 파라미터 $\theta$로 표현되는 함수 $\pi_\theta(a\mid s)$로 정의된다. 이는 상태 $s$에서 행동 $a...

개발자를 위한 대화형 AI 도구 완벽 가이드 요약 정리 추천 에디터 플러그인 기능 \ 에디터 JetBrains IDE VSCode Neovim 맥락 기반 대화/코드 적용 (Contextual Chat/Apply Edit) Continue Continue avante.nvim 실시간 자동 완성 (Inline Completion) Supermaven Supermaven Supermaven 추천 AI 모델 ...

들어가며 저자의 현재 데스크탑의 사양은 다음과 같다. |-----|-------------| | CPU | Ryzen 2700X | |-----|-------------| | GPU | RTX 4070Ti | |-----|-------------| | RAM | 32GB | |-----|-------------| 훈련은 3000스텝으로 설정, 그 외엔 기본 오프셋을 사용. |------------|------------|------------|------| | Base Model | Trainer | VRAM | Time | |------------|------------|----...

주의! 본 게시글의 독자는 Stable Diffusion과 ComfyUI에 대한 사전지식을 가지고 있음을 가정하고 작성하였음 레포지토리 프로젝트 ComfyUI Paint3D Nodes 참고 프로젝트 Paint3D Paint3D 논문 소개 ComfyUI-Paint3D-Nodes는 Paint3D를 기반으로 만든 3D 모델 텍스쳐 인페인팅 ComfyUI 커스텀 노드이다. 환경설정 |-----------|--------------| | miniconda | 24.4.0 | |-----------|--------------| | python | 3.10.14 | |--...