論文の概要: An end-to-end data-driven optimisation framework for constrained trajectories

• arxiv url: http://arxiv.org/abs/2011.11820v2
• Date: Fri, 5 Feb 2021 09:24:54 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-21 12:53:42.515872
• Title: An end-to-end data-driven optimisation framework for constrained trajectories
• Title（参考訳）: 制約トラジェクトリのためのエンドツーエンドデータ駆動最適化フレームワーク
• Authors: Florent Dewez and Benjamin Guedj and Arthur Talpaert and Vincent Vandewalle
• Abstract要約: データ駆動アプローチを活用して、最適化問題のための新しいエンドツーエンドフレームワークを設計します。 我々は、航空と航路の2つの設定にアプローチを適用し、指令結果を得る。
• 参考スコア（独自算出の注目度）: 4.73357470713202
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Many real-world problems require to optimise trajectories under constraints. Classical approaches are based on optimal control methods but require an exact knowledge of the underlying dynamics, which could be challenging or even out of reach. In this paper, we leverage data-driven approaches to design a new end-to-end framework which is dynamics-free for optimised and realistic trajectories. We first decompose the trajectories on function basis, trading the initial infinite dimension problem on a multivariate functional space for a parameter optimisation problem. A maximum \emph{a posteriori} approach which incorporates information from data is used to obtain a new optimisation problem which is regularised. The penalised term focuses the search on a region centered on data and includes estimated linear constraints in the problem. We apply our data-driven approach to two settings in aeronautics and sailing routes optimisation, yielding commanding results. The developed approach has been implemented in the Python library PyRotor.
• Abstract（参考訳）: 多くの実世界の問題は制約の下で軌道を最適化する必要がある。 古典的なアプローチは最適制御法に基づいているが、基礎となる力学の正確な知識を必要とする。 本稿では,データ駆動型アプローチを活用して,最適化および現実的な軌跡に対する動的フリーな新しいエンドツーエンドフレームワークを設計する。 まず, パラメータ最適化問題に対して, 初期無限次元問題を多変量汎関数空間に交換し, 関数ベースで軌道を分解する。 データからの情報を組み込んだ最大値 \emph{a reari} アプローチを用いて、正規化される新しい最適化問題を得る。 ペナルタライズド項は、データ中心の領域の探索に焦点を当て、問題に推定線形制約を含む。 データ駆動のアプローチを、航空と航行経路の2つの設定に適用し、指令結果を得る。 開発されたアプローチはPythonライブラリのPyRotorで実装されている。

関連論文リスト

• Generalizable Spacecraft Trajectory Generation via Multimodal Learning with Transformers [14.176630393074149]
  本稿では,様々な問題構成にまたがって一般化する新しいトラジェクトリ生成フレームワークを提案する。 我々は、データソースから学習できる高容量トランスフォーマーニューラルネットワークを活用している。 このフレームワークはフリーフライアプラットフォームでのシミュレーションと実験を通じて検証されている。
  論文  参考訳（メタデータ） (2024-10-15T15:55:42Z)
• Guided Trajectory Generation with Diffusion Models for Offline Model-based Optimization [19.228156994045587]
  高速領域への軌道生成のための条件付き生成モデリング手法を提案する。 実験の結果,本手法はデザインベンチの競争基準よりも優れていた。
  論文  参考訳（メタデータ） (2024-06-29T06:12:36Z)
• OTClean: Data Cleaning for Conditional Independence Violations using Optimal Transport [51.6416022358349]
  sysは、条件付き独立性(CI)制約下でのデータ修復に最適な輸送理論を利用するフレームワークである。 我々はSinkhornの行列スケーリングアルゴリズムにインスパイアされた反復アルゴリズムを開発し、高次元および大規模データを効率的に処理する。
  論文  参考訳（メタデータ） (2024-03-04T18:23:55Z)
• Large-Scale OD Matrix Estimation with A Deep Learning Method [70.78575952309023]
  提案手法は,ディープラーニングと数値最適化アルゴリズムを統合し,行列構造を推論し,数値最適化を導出する。 大規模合成データセットを用いて,提案手法の優れた一般化性能を実証するために実験を行った。
  論文  参考訳（メタデータ） (2023-10-09T14:30:06Z)
• Predict+Optimize for Packing and Covering LPs with Unknown Parameters in Constraints [5.762370982168012]
  本稿では,予測+設定のための新規かつ実用的な枠組みを提案するが,目的と制約の両方に未知のパラメータを持つ。 本稿では, 補正関数の概念と, 損失関数に付加的なペナルティ項を導入し, 真のパラメータが明らかにされた後, 推定された最適解を実現可能な解に変換する現実的なシナリオをモデル化する。 私たちのアプローチは、マンディとガンズの以前の研究にインスピレーションを受けています。
  論文  参考訳（メタデータ） (2022-09-08T09:28:24Z)
• Data-Driven Minimax Optimization with Expectation Constraints [9.373649142701803]
  本稿では,最小値予測制約問題に対処するために,効率的な原始双対アルゴリズムのクラスを提案する。 我々のアルゴリズムは$mathcalO(frac1sqrtN)$の最適速度で収束することを示す。
  論文  参考訳（メタデータ） (2022-02-16T05:23:27Z)
• A Surrogate Objective Framework for Prediction+Optimization with Soft Constraints [29.962390392493507]
  SPO+や直接最適化のような決定に焦点をあてた予測手法が、このギャップを埋めるために提案されている。 本稿では,実世界の線形および半定値負の二次計画問題に対して,解析的に微分可能な主観的フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-11-22T17:09:57Z)
• JUMBO: Scalable Multi-task Bayesian Optimization using Offline Data [86.8949732640035]
  追加データをクエリすることで制限をサイドステップするMBOアルゴリズムであるJUMBOを提案する。 GP-UCBに類似した条件下では, 応答が得られないことを示す。 実世界の2つの最適化問題に対する既存手法に対する性能改善を実証的に示す。
  論文  参考訳（メタデータ） (2021-06-02T05:03:38Z)
• Modeling the Second Player in Distributionally Robust Optimization [90.25995710696425]
  我々は、最悪のケース分布を特徴付けるために神経生成モデルを使うことを議論する。 このアプローチは多くの実装と最適化の課題をもたらします。 提案されたアプローチは、同等のベースラインよりも堅牢なモデルを生み出す。
  論文  参考訳（メタデータ） (2021-03-18T14:26:26Z)
• Offline Model-Based Optimization via Normalized Maximum Likelihood Estimation [101.22379613810881]
  データ駆動最適化の問題を検討し、一定の点セットでクエリのみを与えられた関数を最大化する必要がある。 この問題は、関数評価が複雑で高価なプロセスである多くの領域に現れる。 我々は,提案手法を高容量ニューラルネットワークモデルに拡張可能なトラクタブル近似を提案する。
  論文  参考訳（メタデータ） (2021-02-16T06:04:27Z)
• Pushing the Envelope of Rotation Averaging for Visual SLAM [69.7375052440794]
  視覚SLAMシステムのための新しい最適化バックボーンを提案する。 従来の単分子SLAMシステムの精度, 効率, 堅牢性を向上させるために, 平均化を活用している。 我々のアプローチは、公開ベンチマークの最先端技術に対して、同等の精度で最大10倍高速に表示することができる。
  論文  参考訳（メタデータ） (2020-11-02T18:02:26Z)

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。