길 잃은 강아지를 찾아라!clue ledger → candidate cells → actual search
공원에서 강아지가 사라졌습니다. 단서를 지도 한 장에 합쳐 어디부터 찾아볼지 정해 보세요. 3D프린팅 서포트 계산에 쓰는 SFTF/PFTF와 똑같은 구조를, 수식 없이 손으로 돌려 보는 데모입니다.
🕵️ 단서 카드
📍마지막 목격 — 남서쪽
🐾발자국 — 북동쪽으로 향함
🍪좋아하는 곳 — 간식 가게
🔊피하는 곳 — 시끄러운 광장
🌊파란 연못과 울타리는 못 지나가요
지도 읽는 법
색이 붉을수록 먼저 찾아볼 곳
노란 테두리 = 추천 후보 칸 (상위 7칸)
화살표 = 강아지가 갔을 방향
파란 칸 = 연못·울타리 (통과 불가)
단서를 합쳐 먼저 찾아볼 곳을 골라 보세요!확인한 칸 0
세 가지 지도는 무엇이 다른가
위쪽 버튼으로 지도를 바꿔 보세요. 같은 단서인데 얼마나 많은 정보를 쓰느냐에 따라 추천이 달라집니다.
1단순 점수 지도
단서마다 “가까울수록 높은 점수”만 더합니다. 방향 정보는 버립니다. 그래서 마지막 목격 지점 주변에 동그랗게 점수가 몰립니다.
2SFTF 후보 지역
같은 점수 지도에서 상위 후보 칸을 골라 표시합니다. SFTF가 답하는 질문은 “어디부터?” — 3D프린팅에서 어느 방향으로 세울지 후보를 추리는 것과 같은 역할입니다.
3PFTF 방향 지도
단서의 방향까지 씁니다. 발자국이 북동쪽을 향하면 그쪽 점수를 최대 1.85배 올리고 반대쪽은 깎습니다(정렬 보너스). 그래서 붉은 영역이 실제 이동 방향으로 길게 늘어납니다.
점수는 이렇게 계산됩니다
각 칸에서 단서까지의 거리 d로 가우시안 근접도exp(−d²/2r²)를 구하고, 단서 세기를 곱해 전부 더합니다.
PFTF 모드에서는 여기에 정렬 보너스max(0.12, 1 + 0.85·cos θ)를 곱합니다 — θ는 “칸이 놓인 방향”과 “단서가 가리키는 방향”의 각도 차이입니다.
피해야 할 단서(🔊)는 반대로 0.9를 곱해 점수를 깎습니다. 마지막에 전체를 0~1로 정규화해 색을 칠합니다.
코드로는 스무 줄 남짓 — 3D프린팅 서포트 점수 S = R + B도 구조가 똑같습니다: 흐름을 한 장부에 더하고, 상위 후보만 정밀 검증에 넘깁니다.
왜 이게 연구인가
강아지를 정확히 어디 있는지 맞히는 것이 목적이 아닙니다. 진짜 목적은 “아무 데나 뒤지는 것보다, 추천 지도를 따라가면 더 적은 칸을 확인하고 찾는가”입니다.
추천 장소부터 찾아보기 버튼을 눌러 확인한 칸 수를 세어 보고, 지도를 단순 점수로 바꾼 뒤 찾은 칸 지우기 → 다시 눌러 비교해 보세요. 같은 실험을 자동으로 수천 번 돌린 것이 이 프로젝트의 본체입니다.