arXiv:2610.02515v1 physics.plasm-ph

IGNITE 토카막 월드 모델 아키텍처

IGNITE Tokamak World Model Architecture

Peter Steiner, Azarakhsh Jalalvand, Nathaniel Chen, Kouroche Bouchiat, Ricardo Shousha, SangKyeun Kim, Egemen Kolemen

제출 2026-10-01

한국어 초록

본 논문에서는 DIII-D 국립 핵융합 연구소(DIII-D National Fusion Facility)의 10년 이상 축적된 레이블 없는 실험 데이터로부터 자기지도학습(self-supervised learning) 방식으로 학습된 핵융합 플라즈마 거동 시뮬레이션을 위한 생성형 월드 파운데이션 모델인 IGNITE를 소개합니다. IGNITE의 핵심은 주어진 구동기 궤적(actuator trajectories)으로부터 DIII-D 방전을 시뮬레이션할 수 있는 동역학 모델(dynamics model)입니다. 이러한 궤적은 직접 제공되거나 텍스트 프롬프트(prompt) 또는 원하는 실험 결과로부터 실시간으로 생성될 수 있습니다. 모델 아키텍처는 시계열과 같은 시공간 측정 데이터, 이미지 시퀀스, 고해상도 스펙트로그램 등 서로 크게 다른 시간 척도에서 수집된 다양한 입력 양식(modalities)을 임베딩(embedding)하는 여러 시공간 토크나이저로 구성됩니다. 백본(backbone)은 초기 잠재 플라즈마 상태와 구동기 궤적이 주어졌을 때 이론적으로 무한한 지평(horizon)에 걸쳐 DIII-D 방전 전체를 예측할 수 있는 자기회귀(auto-regressive) 동역학 모델로 이루어져 있습니다. IGNITE는 핵융합을 위한 효율적인 AI 기반 실험 계획 및 월드 모델링으로 나아가는 길을 열어줍니다.

원문 초록

We introduce IGNITE, a generative world foundation model for fusion plasma behavior simulation trained in a self-supervised manner from over a decade of unlabeled experimental data at the DIII-D National Fusion Facility. The core of IGNITE is a dynamics model that can simulate DIII-D discharges from a given set of actuator trajectories. These trajectories can be supplied or generated on-the-fly from a textual prompt or from desired experimental outcomes. The model architecture consists of several spatio-temporal tokenizers that embed the different input modalities, including time-series like spatio-temporal measurement data, image sequences, and high-resolution spectrograms, each of which collected at vastly different time scales. The backbone is composed of an auto-regressive dynamics model that has the capacity to predict entire DIII-D discharges given initial latent plasma states and actuator trajectories over a theoretical infinite horizon. IGNITE paves the way towards efficient AI-driven experimental planning and world modeling for nuclear fusion.

제출 이력

확인된 버전만 표시합니다. 전체 제출 이력은 arXiv 원문에서 확인하세요.

  1. arXiv:2610.02515v1

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

arXiv:2607.24112v1cs.AI공통 태그 Self-Supervised Learning, world model

시각적 상태 전이를 통한 GUI 에이전트 스케일링

Scaling GUI Agents with Visual State Transitions

본 연구는 GUI 에이전트를 위한 새로운 스케일링 축으로 State Transition Pretraining(STP)을 제안한다. STP 단계에서는 역역학(inverse dynamics, 상태 변화로부터 행동 예측)과 순방향 역학(forward dynamics, 현재 상태와 행동으로부터 다음 상태 예측)을 공동 최적화하여 시각적 상태 전이에 대해 통합 멀티모달 모델을 지속적으로 사전학습한다. 이 최적화를 통해 모델은 더 나은 행동 그라운딩(action-grounded) 시각 표현과 GUI 역학에 대한 내부 세계 모델(internal world model)을 갖추게 된다. 이후 작업 지시가 포함된 궤적에 미세조정하면, STP로 학습된 모델은 데스크톱 및 모바일 GUI 시나리오(AgentNetBench, AndroidControl, GUIOdyssey)의 에이전트 벤치마크 전반에서 궤적 직접 미세조정만으로 학습된 베이스라인을 일관되게 능가한다. 추가 실험 연구는 공동 역학 최적화가 단일 목표 학습 대비 안정적인 개선을 제공하며, 하류 성능이 전이 데이터 양에 따라 꾸준히 스케일링됨을 보여준다.

arXiv:2607.06988v2cs.RO공통 태그 Self-Supervised Learning, world model

WAM-TTT: 테스트 시간에 인간 플레이 영상을 활용한 월드-액션 모델 조종

WAM-TTT: Steering World-Action Models by Watching Human Play at Test Time

로봇 기반 모델(RFM)을 새로운 태스크 변형이나 사용자 선호 행동으로 조종하는 것은 여전히 어려운 문제로, 추가적인 로봇 시연 데이터, 태스크별 미세조정(fine-tuning), 또는 긴 컨텍스트 컨디셔닝이 필요한 경우가 많다. 우리는 원시 인간 영상으로부터 월드 액션 모델을 조종하기 위한 테스트 시간 학습(test-time training) 프레임워크인 WAM-TTT를 제안한다. WAM-TTT는 인간 영상을 모방할 궤적으로 취급하는 대신, 자기지도 비디오 예측(self-supervised video prediction)을 통해 동결된 WAM 내부의 경량 적응형 메모리에 흡수시킨다. 이 메모리를 제어에 유용하게 만들기 위해, 쌍을 이루는 인간-로봇 데이터와 키-값 메모리 재구성 목적 함수를 활용하여 인간 시연을 로봇 행동과 정렬하는 메타 학습(meta-training) 단계를 도입한다. 테스트 시간에는 레이블이 없는 인간 영상만으로 메모리를 적응시키며, 사전학습된 WAM은 동결 상태를 유지한다. 이를 통해 로봇 액션, 인간 측 어노테이션, 태스크별 미세조정 없이도 효율적이고 재사용 가능한 조종이 가능하며, 기반 모델의 일반화 능력도 보존된다. 광범위한 실험을 통해 WAM-TTT가 다양한 조작 태스크 및 일반화 설정에서 문맥 내 인간 영상 컨디셔닝 기준선을 일관되게 능가함을 보인다.

arXiv:2610.03391v2cs.CV공통 태그 world model

월드 액션 모델을 위한 비디오 기반 네이티브 액션 사전확률 학습

Native Action-Prior Learning from Videos for World Action Models

월드 액션 모델(World action models)은 미래의 시각적 역역학과 로봇 액션 예측을 통합하지만, 액션 레이블이 지정된 로봇 궤적이 필요하다는 점에서 확장성에 한계가 있습니다. 관찰 전용(observation-only) 비디오는 상호작용 역학에 대한 풍부한 정보를 담고 있지만, 기존 접근법들은 대개 이를 사후에 제어용으로 조정해야 하는 시각적 표현을 사전학습(pre-training)하는 데 사용하거나, 추후 로봇 명령으로 그라운딩되는 잠재 액션(latent actions)을 추론하는 데 활용하는 데 그칩니다. 본 연구에서는 간접적인 표현-제어 간 전이나 별도의 잠재 액션 모델 없이 관찰 전용 비디오로부터 액션 정책을 직접 사전학습하는 네이티브 액션 사전확률 학습(native action-prior learning)을 도입한 NAVA-WAM을 제시합니다. 우리의 학습(training)은 2단계로 구성됩니다. 첫째, 관찰 전용 비디오를 통해 사전학습을 진행하며, 시각적 전이에 대한 미래 비디오 플로우 매칭(flow-matching) 감독 신호가 전이 구조화된 결합 어텐션을 통해 전파되어 Action-DiT를 최적화하고 액션 관련 사전확률을 학습합니다. 둘째, 액션 레이블이 지정된 시연 데이터를 사용하여 결합 비디오-액션 플로우 매칭을 통해 로봇 제어를 위한 Action-DiT 사후학습(post-training)을 수행하며, 이때 비대칭 어텐션이 시각 브랜치를 반복적인 액션 노이즈 제거 과정과 분리하여 효율적인 액션 전용 추론(inference)을 가능하게 합니다. 광범위한 실험 결과, NAVA-WAM은 분포 내(in-distribution) 및 분포 외(out-of-distribution) 설정 모두에서 기존 접근 방식을 일관되게 능가하는 동시에 뛰어난 액션 레이블 효율성과 효과적인 실제 로봇 일반화 성능을 입증했습니다. 이러한 결과는 네이티브 액션 사전확률 학습이 관찰 전용 비디오로부터 액션 정책을 직접 사전학습하는 효과적인 접근법임을 입증하며, 액션 레이블 기반 로봇 데이터를 뛰어넘는 확장 가능한 경로를 제공합니다.

arXiv:2607.09767v2eess.SP공통 태그 Self-Supervised Learning

특징에 귀 기울여라: 신호 재구성 대신 콘텐츠 임베딩 매칭으로 구동되는 음성 익명화

Listen to the Features: Voice Anonymization Driven by Content Embedding Matching over Signal Reconstruction

이 논문은 사실적인 음성을 생성하는 것보다 콘텐츠를 보존하는 데 초점을 맞춘 음성 익명화 모델을 제안한다. 이 모델은 동결된 사전학습 wav2vec2 인코더에서 추출한 콘텐츠 임베딩에 의존한다. 해당 임베딩은 벡터 양자화와 HiFi-GAN 보코더를 사용하여 익명화된 신호로 디코딩되며, 두 모듈 모두 파형 재구성 손실이나 화자 임베딩 매핑 없이 LibriTTS로 학습된다. 학습 목적함수는 익명화된 신호의 임베딩이 원본의 임베딩과 일치하도록 강제한다. 학습 중에는 화자별 정보를 제거하기 위해 그래디언트 역전 층이 포함된 보조 화자 분류 브랜치가 사용된다. 실험 결과, 이 간단한 임베딩 기반 접근법은 매우 낮은 WER(2.53)을 달성하며, 익명화 성능(EER 13.39)은 VPC에서 1등급 수준에 해당한다. 특히, 별도의 학습 목적함수 없이도 감정이 부분적으로 보존되고(UAR 43.91), 익명화된 음성은 재구성 손실 없이도 청취 가능하다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.