論文の概要: Robot Design With Neural Networks, MILP Solvers and Active Learning

• arxiv url: http://arxiv.org/abs/2010.09842v4
• Date: Mon, 8 Feb 2021 16:15:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-05 21:13:05.560494
• Title: Robot Design With Neural Networks, MILP Solvers and Active Learning
• Title（参考訳）: ニューラルネットワーク, MILP ソルバー, アクティブラーニングによるロボット設計
• Authors: Sanjai Narain, Emily Mak, Dana Chee, Todd Huster, Jeremy Cohen, Kishore Pochiraju, Brendan Englot, Niraj K. Jha, Karthik Narayan
• Abstract要約: 本稿では,制約付きブラックボックス最適化問題の解法であるCNMAを提案する。 CNMAは、潜在的に高価なブラックボックス機能の評価において保守的である。 CNMAは,関数評価の基準値に対して,Nelder-Mead,Gaussian,Random Searchの最適化手法を超越していることを示す。
• 参考スコア（独自算出の注目度）: 3.473645410959596
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Central to the design of many robot systems and their controllers is solving a constrained blackbox optimization problem. This paper presents CNMA, a new method of solving this problem that is conservative in the number of potentially expensive blackbox function evaluations; allows specifying complex, even recursive constraints directly rather than as hard-to-design penalty or barrier functions; and is resilient to the non-termination of function evaluations. CNMA leverages the ability of neural networks to approximate any continuous function, their transformation into equivalent mixed integer linear programs (MILPs) and their optimization subject to constraints with industrial strength MILP solvers. A new learning-from-failure step guides the learning to be relevant to solving the constrained optimization problem. Thus, the amount of learning is orders of magnitude smaller than that needed to learn functions over their entire domains. CNMA is illustrated with the design of several robotic systems: wave-energy propelled boat, lunar lander, hexapod, cartpole, acrobot and parallel parking. These range from 6 real-valued dimensions to 36. We show that CNMA surpasses the Nelder-Mead, Gaussian and Random Search optimization methods against the metric of number of function evaluations.
• Abstract（参考訳）: 多くのロボットシステムとそのコントローラーの設計の中心は、制約付きブラックボックス最適化問題を解決することである。 CNMAは,潜在的に高価なブラックボックス関数評価の数に保守的であり,複雑な再帰的制約を,ハード・ツー・デザインのペナルティやバリア関数ではなく,直接指定することが可能であり,機能評価の非終了に耐性がある。 CNMAは、任意の連続関数を近似するニューラルネットワークの能力、等価な混合整数線形プログラム(MILP)への変換、産業力MILPソルバとの制約による最適化を利用する。 新たな学習段階は、制約された最適化問題の解決に関連する学習をガイドする。 したがって、学習の量は、ドメイン全体にわたって関数を学ぶのに必要なものよりも桁違いに小さい。 cnmaは、波エネルギー推進ボート、月着陸船、ヘキサポッド、カートポール、acrobot、パラレルパーキングなど、いくつかのロボットシステムの設計で描かれている。 実測値の次元は6から36までである。 cnmaは,関数評価の指標に対するネルダーミード,ガウス,ランダム探索の最適化手法を上回っていることを示す。

関連論文リスト

• Learning to Optimize for Mixed-Integer Non-linear Programming [20.469394148261838]
  混合整数非NLPプログラム(MINLP)はエネルギーシステムや輸送など様々な領域で発生するが、解決は困難である。 機械学習の最近の進歩は、最適化のための学習として知られる領域において、顕著な成功をもたらしている。 勾配を保ちながら整数出力を生成する2つの異なる補正層を提案する。
  論文  参考訳（メタデータ） (2024-10-14T20:14:39Z)
• An Unsupervised Learning Framework Combined with Heuristics for the Maximum Minimal Cut Problem [5.092968949752308]
  本研究は,MMCPの最大値と非教師なし学習フレームワークを提案する。 重要な観察は、それぞれの溶液が少なくとも1本の枝木に対応することである。 フレームワークを評価し、特定のアプリケーションを提供するために、広範な実験を行います。
  論文  参考訳（メタデータ） (2024-08-16T02:07:34Z)
• Multi-Resolution Active Learning of Fourier Neural Operators [33.63483360957646]
  本稿では,FNO(MRA-FNO)の多解能動的学習を提案する。 具体的には,確率的多分解能FNOを提案し,モンテカルロのアンサンブルを用いて効果的な後部推論アルゴリズムを提案する。 いくつかのベンチマーク演算子学習タスクにおいて,本手法の利点を示した。
  論文  参考訳（メタデータ） (2023-09-29T04:41:27Z)
• A Multi-Head Ensemble Multi-Task Learning Approach for Dynamical Computation Offloading [62.34538208323411]
  共有バックボーンと複数の予測ヘッド(PH)を組み合わせたマルチヘッドマルチタスク学習(MEMTL)手法を提案する。 MEMTLは、追加のトレーニングデータを必要とせず、推測精度と平均平方誤差の両方でベンチマーク手法より優れている。
  論文  参考訳（メタデータ） (2023-09-02T11:01:16Z)
• Open Problems in Applied Deep Learning [2.1320960069210475]
  この研究は、機械学習メカニズムを二段階最適化問題として定式化する。 内部レベル最適化ループは、トレーニングデータに基づいて評価された適切に選択された損失関数を最小化する。 外部レベルの最適化ループは、あまりよく研究されておらず、バリデーションデータに基づいて評価された適切に選択された性能指標を最大化する。
  論文  参考訳（メタデータ） (2023-01-26T18:55:43Z)
• Simultaneous Contact-Rich Grasping and Locomotion via Distributed Optimization Enabling Free-Climbing for Multi-Limbed Robots [60.06216976204385]
  移動, 把握, 接触問題を同時に解くための効率的な運動計画フレームワークを提案する。 ハードウェア実験において提案手法を実証し, より短い計画時間で, 傾斜角45degで自由クライミングを含む様々な動作を実現できることを示す。
  論文  参考訳（メタデータ） (2022-07-04T13:52:10Z)
• Intelligent Trajectory Design for RIS-NOMA aided Multi-robot Communications [59.34642007625687]
  目的は,ロボットの軌道とNOMA復号命令を協調的に最適化することで,マルチロボットシステムにおける全軌道の総和率を最大化することである。 ARIMAモデルとDouble Deep Q-network (D$3$QN)アルゴリズムを組み合わせたML方式を提案する。
  論文  参考訳（メタデータ） (2022-05-03T17:14:47Z)
• Training Feedback Spiking Neural Networks by Implicit Differentiation on the Equilibrium State [66.2457134675891]
  スパイキングニューラルネットワーク(英: Spiking Neural Network、SNN)は、ニューロモルフィックハードウェア上でエネルギー効率の高い実装を可能にする脳にインスパイアされたモデルである。 既存のほとんどの手法は、人工ニューラルネットワークのバックプロパゲーションフレームワークとフィードフォワードアーキテクチャを模倣している。 本稿では,フォワード計算の正逆性に依存しない新しいトレーニング手法を提案する。
  論文  参考訳（メタデータ） (2021-09-29T07:46:54Z)
• Fast Design Space Exploration of Nonlinear Systems: Part I [4.240305361604918]
  本稿では,ブラックボックスの新しい最適化手法であるCNMAを提案する。 CNMAはブラックボックス評価の数で保守的である。 出力を計算するためにブラックボックスの故障に耐性がある。
  論文  参考訳（メタデータ） (2021-04-05T02:59:45Z)
• Self-Directed Online Machine Learning for Topology Optimization [58.920693413667216]
  自己指向型オンライン学習最適化は、ディープニューラルネットワーク(DNN)と有限要素法(FEM)計算を統合している。 本アルゴリズムは, コンプライアンスの最小化, 流体構造最適化, 伝熱促進, トラス最適化の4種類の問題によって検証された。 その結果, 直接使用法と比較して計算時間を2～5桁削減し, 実験で検証した全ての最先端アルゴリズムより優れていた。
  論文  参考訳（メタデータ） (2020-02-04T20:00:28Z)
• Optimizing Wireless Systems Using Unsupervised and Reinforced-Unsupervised Deep Learning [96.01176486957226]
  無線ネットワークにおけるリソース割り当てとトランシーバーは、通常最適化問題の解決によって設計される。 本稿では,変数最適化と関数最適化の両問題を解くための教師なし・教師なし学習フレームワークを紹介する。
  論文  参考訳（メタデータ） (2020-01-03T11:01:52Z)

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。