論文の概要: Optimal least-squares solution to the hand-eye calibration problem
- arxiv url: http://arxiv.org/abs/2002.10838v2
- Date: Tue, 19 May 2020 15:14:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-28 22:03:23.082256
- Title: Optimal least-squares solution to the hand-eye calibration problem
- Title（参考訳）: 手目校正問題に対する最適最小二乗解法
- Authors: Amit Dekel, Linus H\"arenstam-Nielsen, Sergio Caccamo
- Abstract要約: 二元四元数を用いた雑音の多い手目校正問題に対する最小二乗の定式化を提案する。
非線形最適化を回避し、問題の解析的性質に基づいて、正確な最適解を見つけるための効率的なアルゴリズムを導入する。
- 参考スコア（独自算出の注目度）: 3.6525095710982916
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose a least-squares formulation to the noisy hand-eye calibration
problem using dual-quaternions, and introduce efficient algorithms to find the
exact optimal solution, based on analytic properties of the problem, avoiding
non-linear optimization. We further present simple analytic approximate
solutions which provide remarkably good estimations compared to the exact
solution. In addition, we show how to generalize our solution to account for a
given extrinsic prior in the cost function. To the best of our knowledge our
algorithm is the most efficient approach to optimally solve the hand-eye
calibration problem.
- Abstract（参考訳）: 双四元数を用いた無声手目キャリブレーション問題に対する最小二乗法を提案し,非線形最適化を回避し,問題の解析的性質に基づく最適解を求めるための効率的なアルゴリズムを提案する。
さらに, 正確な解に比べて極めて優れた推定値を提供する簡易解析近似解を提案する。
さらに、コスト関数において与えられた外在的事前を考慮し、解を一般化する方法を示す。
我々の知る限りでは、我々のアルゴリズムは眼の校正問題を最適に解くための最も効率的な方法である。
関連論文リスト
- Self-Supervised Learning of Iterative Solvers for Constrained Optimization [0.0]
制約付き最適化のための学習型反復解法を提案する。
解法を特定のパラメトリック最適化問題にカスタマイズすることで、非常に高速で正確な解を得ることができる。
最適性のKarush-Kuhn-Tucker条件に基づく新しい損失関数を導入し、両ニューラルネットワークの完全な自己教師付きトレーニングを可能にする。
論文 参考訳（メタデータ） (2024-09-12T14:17:23Z) - Learning Joint Models of Prediction and Optimization [56.04498536842065]
Predict-Then-Thenフレームワークは、機械学習モデルを使用して、最適化問題の未知のパラメータを、解決前の機能から予測する。
本稿では,共同予測モデルを用いて観測可能特徴から最適解を直接学習する手法を提案する。
論文 参考訳（メタデータ） (2024-09-07T19:52:14Z) - Predict-Then-Optimize by Proxy: Learning Joint Models of Prediction and
Optimization [59.386153202037086]
Predict-Then-フレームワークは、機械学習モデルを使用して、最適化問題の未知のパラメータを、解決前の機能から予測する。
このアプローチは非効率であり、最適化ステップを通じてバックプロパゲーションのための手作りの、問題固有のルールを必要とする。
本稿では,予測モデルを用いて観測可能な特徴から最適解を直接学習する手法を提案する。
論文 参考訳（メタデータ） (2023-11-22T01:32:06Z) - Learning Proximal Operators to Discover Multiple Optima [66.98045013486794]
非家族問題における近位演算子を学習するためのエンドツーエンド手法を提案する。
本手法は,弱い目的と穏やかな条件下では,世界規模で収束することを示す。
論文 参考訳（メタデータ） (2022-01-28T05:53:28Z) - Outlier-Robust Sparse Estimation via Non-Convex Optimization [73.18654719887205]
空間的制約が存在する場合の高次元統計量と非破壊的最適化の関連について検討する。
これらの問題に対する新規で簡単な最適化法を開発した。
結論として、効率よくステーションに収束する一階法は、これらのタスクに対して効率的なアルゴリズムを導出する。
論文 参考訳（メタデータ） (2021-09-23T17:38:24Z) - PAMELI: A Meta-Algorithm for Computationally Expensive Multi-Objective
Optimization Problems [0.0]
提案アルゴリズムは,実モデルのモデルによって定義される一連の代理問題の解法に基づく。
また,最適化ランドスケープのための最適なサロゲートモデルとナビゲーション戦略のメタ検索を行う。
論文 参考訳（メタデータ） (2021-03-19T11:18:03Z) - Learning the Solution Manifold in Optimization and Its Application in
Motion Planning [4.177892889752434]
我々は、変数のような変数上の多様体を学習し、そのようなモデルは無限の解の集合を表す。
本フレームワークでは,この重要度を用いて問題推定を行う。
本研究では,高次元パラメータの最適化を含む動き計画問題に適用する。
論文 参考訳（メタデータ） (2020-07-24T08:05:36Z) - Follow the bisector: a simple method for multi-objective optimization [65.83318707752385]
複数の異なる損失を最小化しなければならない最適化問題を考える。
提案手法は、各イテレーションにおける降下方向を計算し、目的関数の相対的減少を等しく保証する。
論文 参考訳（メタデータ） (2020-07-14T09:50:33Z) - Convergence of adaptive algorithms for weakly convex constrained
optimization [59.36386973876765]
モローエンベロープの勾配のノルムに対して$mathcaltilde O(t-1/4)$収束率を証明する。
我々の分析では、最小バッチサイズが1ドル、定数が1位と2位のモーメントパラメータが1ドル、そしておそらくスムーズな最適化ドメインで機能する。
論文 参考訳（メタデータ） (2020-06-11T17:43:19Z) - Tightly Robust Optimization via Empirical Domain Reduction [22.63829081634384]
提案手法は,解が良好な目的値を持つようなスケールを決定するアルゴリズムである。
いくつかの規則性条件下では、我々のアルゴリズムで得られるスケールは$O(sqrtn)$、標準アプローチで得られるスケールは$O(sqrtd/n)$である。
論文 参考訳（メタデータ） (2020-02-29T12:24:56Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。