PyTorchKR Papers

최신 논문

총 7편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.04513v2math.OC

라그랑주 쌍대 흐름을 통한 제약 조건 하 플로우 매칭

Constrained Flow Matching via Lagrangian Dual Flows

플로우 매칭(flow matching)은 생성 모델링을 위한 강력한 도구이지만, 로보틱스, 계획(planning), 제어 분야에서 새롭게 부상하는 응용 분야들은 생성된 결과물에 대해 추론(inference) 시점의 제약 조건을 요구합니다. 이러한 제약 조건은 복잡하고 고도로 비선형적인 경우가 많습니다. 이에 따라 이미지 인페인팅과 같이 선형 제약 조건을 위해 설계된 방법들은 거의 적합하지 않으며, 사영(projection) 또는 최적화 기반 대안들은 비용이 지나치게 많이 들 수 있습니다. 본 논문에서는 라그랑주 쌍대 역학에 기반한 새로운 제약 조건 생성 기법 제품군인 라그랑주 쌍대 흐름(Lagrangian Dual Flows)을 소개합니다. 생성된 샘플과 함께 쌍대 공액 상태(dual co-state)를 흐르게 함으로써, 노이즈 제거 과정 동안 비용이 많이 드는 최적화 부분 문제나 의사역행렬, 사영 단계 없이도 비선형 제약 조건 만족을 보장할 수 있습니다. 그 결과로 얻어지는 제약 조건 생성 알고리즘은 단순하고 효과적이며, 플로우 매칭과 수치 최적화의 원시-쌍대(primal-dual) 방법 간에 새로운 이론적 연결을 열어줍니다.

arXiv:2607.22201v2eess.SY

KL 발산을 통한 궤적 정규화 확률적 최적 제어

Trajectory-Regularized Stochastic Optimal Control via KL Divergence

우리는 표준 확률적 최적 제어(SOC)에 제어된 궤적 분포와 기준 궤적 분포 사이의 쿨백-라이블러(KL) 발산을 증강한 궤적 정규화 확률적 최적 제어(TRSOC)를 소개한다. 기르사노프 정리를 활용하면 궤적 KL은 2차 드리프트 불일치 페널티로 단순화되어 동적 계획법(DP) 구조를 보존하는 수정된 실행 비용을 산출한다. 우리는 이에 대응하는 해밀턴-야코비-벨만(HJB) 방정식을 유도하고 최적 정책을 특성화한다. 선형-2차(LQ) 설정에서 이 정식화는 증강된 제어 비용을 갖는 닫힌 형태의 해를 허용한다. 실험을 통해 정규화 매개변수가 성능 중심 행동과 기준 보존 행동 간의 절충(trade-off)을 유도함을 보이며, 여기에는 오프라인 데이터로부터 학습된 기준 동역학을 사용하는 경우가 포함된다.

arXiv:2607.14943v1cs.RO

기계론적 해석가능성과 최적 제어를 통한 World Action Model 견고성 조향

Steering Robustness into World Action Models via Mechanistic Interpretability and Optimal Control

World Action Models(WAM)은 의미적·물리적 정보가 반영된 제어를 가능하게 하지만, 분포 이동(distribution shift) 하에서 취약하다. 본 연구에서는 기계론적 해석가능성(mechanistic interpretability)을 사용하여 견고성과 관련된 교란(perturbation)이 WAM 활성화 공간에서 어떻게 표현되는지 분석한다. 성공적인 롤아웃(rollout)과 실패한 롤아웃 간의 활성화를 비교한 결과, 일부 WAM 아키텍처는 견고성에 중요한 특징에 대해 저차원 선형 분리 가능성(linear separability)을 보이지만, 다른 아키텍처는 그렇지 않다. 이는 학습 없는(training-free) WAM 조향(steering)을 위해 대조적(contrastive) 활성화 방향을 사용할 동기를 제공한다. 또한 WAM 활성화 역학의 국소 선형성(local linearity)이 모델 기반 최적 제어(model-based optimal control)를 통한 효율적 피드백 조향을 가능하게 하며, 이는 최소 침습적(minimally-invasive) 저차(reduced-order) LQR 제어기인 World-Action Linear Quadratic Regulator(WA-LQR)를 산출한다. 기계론적 평가를 통해 Cosmos-Policy와 DiT4DiT 모델에서는 강한 조향 가능성(steerability)을, LingBot-VA에서는 약한 조향 가능성을 예측했으며, 이는 조향 개입 결과와 일치한다. Cosmos-Policy와 DiT4DiT에서 WA-LQR은 대조적 방향을 새로운 태스크로 일반화하고, 조향하지 않은(unsteered) 모델과 프롬프트 조향 기준선보다 카메라, 그리퍼(gripper), 시각 노이즈 교란에 대한 견고성을 향상시킨다.

arXiv:2607.11888v1cs.AI

최적 적응형 마켓 메이킹: 영구 선물 시장에서 고수익 유동성 공급을 위한 이론적 프레임워크

Optimal Adaptive Market Making: A Theoretical Framework for High-Yield Liquidity Provision in Perpetual Futures Markets

메이커 수수료가 0인 영구 선물 시장에서 최적 마켓 메이킹을 위한 엄밀한 이론적 프레임워크를 제시한다. 마켓 메이커의 문제를 여과된 확률 공간(filtered probability space) 상의 확률적 최적 제어 문제로 모델링하며, 제어 변수는 두 거래소에 걸친 적응형 매수-매도 호가 스프레드(bid-ask spread)와 재고(inventory) 헤징 결정이다. 주요 기여는 다음과 같다: (i) 수익을 스프레드 수입, 역선택 손실(adverse selection loss), 재고 보유 비용(inventory carrying cost), 헤징 마찰(hedging friction), 펀딩 비율(funding rate) 노출로 분해하는 손익(PnL) 분해 정리; (ii) CARA 효용 하에서 스프레드-재고-헤징 통합 제어 문제에 대한 Hamilton-Jacobi-Bellman 방정식과 검증 정리(verification theorem); (iii) 5개의 무차원 매개변수로 수익성 구간을 특성화하는 고 APY(High-APY) 체제 정리와 이를 종합하는 마스터 APY 공식; (iv) 탈중앙화 영구 거래소의 무수수료 경제학 분석과 최적 진입-청산 임계값; (v) 펀딩 비율 동역학을 반영한 최적 교차 거래소 헤징 정책과 헤징 체제 삼분법(hedge regime trichotomy); (vi) 매개변수 불확실성 허용도를 정량화하는 견고성 마진(robustness margin); (vii) 지수적 낙폭(drawdown) 확률 상한과 보편적 APY-VaR 항등식; (viii) 최적 제어 하에서의 에르고딕 재고 분포와 베이지안 적응 추정; (ix) 파산 경계(ruin boundaries)를 갖는 Kelly 최적 레버리지; (x) 다각화 포화(diversification saturation) 결과를 포함한 다중 페어 포트폴리오 배분. 23개의 그림을 통한 수치 분석은 수익성 체제와 비수익성 체제 사이의 상전이(phase transition)를 보여준다. 본 프레임워크는 현대 탈중앙화 거래소 미시구조(microstructure)를 위해 Avellaneda-Stoikov, Gueant-Lehalle-Fernandez-Tapia, Glosten-Milgrom 패러다임을 통합하고 확장한다.

arXiv:2607.11344v1math.OC

쿠프만 연산자 회귀를 이용한 스위칭 비선형 시스템 제어 학습

Learning to control switching nonlinear systems with Koopman operator regression

이 연구에서는 유한 행동 공간을 가진 비선형 시스템의 식별 및 제어 문제를 다룬다. 알려지지 않은 동역학은 재생 커널 힐베르트 공간에서의 쿠프만 연산자 회귀를 통해 유한 샘플로부터 추정되며, 제어 변수의 값에 의해 스위치가 결정되는 선형 스위칭 예측 모델을 산출한다. 폐루프 제어를 수행하기 위해, 학습된 동역학은 시변 단계 비용을 가진 무한 수평 최적 제어 문제에 활용되며, 이는 모델 예측 제어(MPC)를 통해 해결된다. 이론적 분석에서는 쿠프만 동역학 근사에 대한 학습 수렴율을 도출한다. 또한 적절한 가정 하에, 정확한 쿠프만 동역학의 경우와 학습된 동역학의 경우 모두에서 모델 예측 제어 전략의 준최적성(sub-optimality)을 정량화한다. 더핑 진동자(Duffing oscillator)에 대한 수치 시뮬레이션이 이론적 결과를 뒷받침한다.

arXiv:2607.11005v1math.OC

결정론적 정책을 이용한 확장 평균장 제어를 위한 액터-크리틱 학습

Actor-Critic Learning for Extended Mean Field Control with Deterministic Policies

본 논문은 연속시간 확장 평균장 제어 문제를 위한 모델 프리(model-free) 강화학습(reinforcement learning) 프레임워크를 개발한다. 이 문제에서는 동역학과 보상(reward) 모두 상태와 제어의 결합 분포에 의존할 수 있다. 우리는 결정론적 피드백 정책을 채택하며, 이 정책 하에서 상태-행동 분포는 상태 분포의 푸시포워드(push-forward)로 직접 유도된다. 이를 통해 확률적 커널에 대한 최적화를 피하고, 확장 평균장 설정에서 기존 접근법의 핵심 한계를 우회한다. 먼저 매개변수화된(parameterized) McKean-Vlasov 동역학에 대한 모델 프리 감도 공식을 수립하고, 이를 활용하여 Wasserstein 공간 위의 어드밴티지-레이트 함수(advantage-rate function)를 통해 표현되는 결정론적 정책 그래디언트(policy gradient) 공식을 도출한다. 이어서 상태, 행동, 결합 상태-행동 분포에 의존하는 국소 가치 및 어드밴티지-레이트 표현을 도입하여 이 공식을 정제하며, 행동 도함수(derivative)와 제어 분포에 대한 측도 도함수 항을 모두 포함하는 정책 그래디언트를 산출한다. 이러한 특성화는 마팅게일 기반 학습 원리로 이어지며, 입자 근사(particle approximation), 측도 의존 신경망, 시간차 학습(temporal-difference learning), 행동 또는 매개변수 공간에서의 탐험(exploration)을 결합한 연속시간 심층 결정론적 정책 그래디언트 알고리즘을 동기부여한다. 확률적 Cucker-Smale 합의 제어 및 거래 집중을 수반하는 최적 청산 문제에 대한 수치 실험을 통해, 제어 분포에 대한 명시적 의존성을 포함하는 문제에서 제안된 방법의 효율성, 안정성, 강건성을 입증한다.

arXiv:2606.17762v1math.OC

유한 구간 Pontryagin 시스템의 심플렉틱 횡단성과 끝점 Green 추정

Symplectic Transversality and Endpoint Green Estimates for Finite-Horizon Pontryagin Systems

우리는 매끄러운 제어 제거 이후 유한 구간 이산시간 Pontryagin 경계값 시스템의 구간 일관 국소 가지를 연구한다. 핵심 입력은 선형화에 대한 두 점 끝점 역이다. 스케일된 안정-불안정 경계 횡단성으로부터 이 역을 검증하고, 관련 끝점 보정 Green 추정을 증명하며, 가중 수축과 결합하여 구간과 무관한 상수를 갖는 존재성, 유일성, Lipschitz 종속성, 1차 전개를 얻는다. 이 프레임워크는 초기 상태를 고정하고 종단 코스트에이트를 종단 상태와 결합하는 원래 Pontryagin 행들을 포함하여 매끄러운 비선형 끝점 사상을 포괄한다. 심플렉틱 및 Riccati 기준은 행렬 데이터 수준에서 역 가설을 검증한다. 특히, 비가환 결합 데이터를 포함하여 역동학과 정부호 가중치를 갖는 모든 안정화 가능 선형-2차 시스템이 포함된다. 수치 예시 절에서는 인증서와 구간 일관 1차 전개를 설명한다.