PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2604.01173v2eess.SY

함수 기반 불확실성 정량화를 통한 안전한 학습 기반 제어

Safe learning-based control via function-based uncertainty quantification

불확실성 정량화는 안전이 중요한(safety-critical) 시스템에 학습 기반 제어 방법을 배포할 때 필수적이다. 이는 통상 관심 대상인 미지 함수—예를 들어 보상 및 제약 함수 또는 기저 동역학 모델—를 높은 확률로 둘러싸는 불확실성 튜브(uncertainty tubes)를 구성함으로써 실현된다. 그러나 불확실성 정량화를 위한 기존 접근법은 일반적으로 함수 공간에서의 알려진 norm과 같이, 미지 함수의 매끄러움(smoothness) 성질을 인코딩하는 제한적인 가정에 의존한다. 게다가 이러한 방법들은 보통 불연속성(discontinuities)에 어려움을 겪는다. 본 논문에서는 미지 함수를 독립동일분포(i.i.d.) 실현값(realizations)을 생성할 수 있는 확률함수(random function)로 모델링한다. 그다음 시나리오 접근법(scenario approach)을 통해 높은 확률로 성립하는 불확실성 튜브를 구성한다. 우리의 불확실성 튜브는 오직 샘플링된 실현값에만 의존하므로, 샘플링 모델이 표현하는 불연속성을 수용할 수 있다. 이러한 불확실성 튜브를 안전 베이지안 최적화(safe Bayesian optimization) 알고리즘에 통합하여, 실제 Furuta pendulum에서 제어 파라미터를 안전하게 튜닝한다.

arXiv:2603.16481v3cs.LG

유계 잡음 하의 다변량 커널 회귀를 위한 최적 불확실성 경계: 가우시안 프로세스 기반 쌍대 함수

Optimal uncertainty bounds for multivariate kernel regression under bounded noise: A Gaussian process-based dual function

유계 잡음 환경에서 다중 출력 함수에 대한 최적의 결정론적 불확실성 경계를 재생 커널 힐베르트 공간(RKHS) 내에서 쌍대성(duality) 기반의 비제약 정식화로 도출하여, 가우시안 프로세스(GP) 신뢰 경계와 동일한 구조로 다운스트림 최적화 파이프라인에 직접 통합할 수 있게 한다. 제안된 경계가 기존 결정론적 경계들을 특수 케이스로 포함하는 일반화임을 증명하고, 쿼드로터 동역학 학습 예시로 그 우수성을 수치적으로 검증한다.