論文の概要: PYROBOCOP : Python-based Robotic Control & Optimization Package for Manipulation and Collision Avoidance

• arxiv url: http://arxiv.org/abs/2106.03220v1
• Date: Sun, 6 Jun 2021 19:46:29 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-13 09:07:32.861128
• Title: PYROBOCOP : Python-based Robotic Control & Optimization Package for Manipulation and Collision Avoidance
• Title（参考訳）: PYROBOCOP : 操作・衝突回避のためのPythonベースのロボット制御・最適化パッケージ
• Authors: Arvind U. Raghunathan, Devesh K. Jha, Diego Romeres
• Abstract要約: PYROBOCOPはPythonベースのロボットシステムの制御と最適化のためのパッケージである。 相補性制約によって記述される接触を持つシステムを扱うことができる。
• 参考スコア（独自算出の注目度）: 12.292075907844067
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: PYROBOCOP is a lightweight Python-based package for control and optimization of robotic systems described by nonlinear Differential Algebraic Equations (DAEs). In particular, the package can handle systems with contacts that are described by complementarity constraints and provides a general framework for specifying obstacle avoidance constraints. The package performs direct transcription of the DAEs into a set of nonlinear equations by performing orthogonal collocation on finite elements. The resulting optimization problem belongs to the class of Mathematical Programs with Complementarity Constraints (MPCCs). MPCCs fail to satisfy commonly assumed constraint qualifications and require special handling of the complementarity constraints in order for NonLinear Program (NLP) solvers to solve them effectively. PYROBOCOP provides automatic reformulation of the complementarity constraints that enables NLP solvers to perform optimization of robotic systems. The package is interfaced with ADOLC for obtaining sparse derivatives by automatic differentiation and IPOPT for performing optimization. We demonstrate the effectiveness of our approach in terms of speed and flexibility. We provide several numerical examples for several robotic systems with collision avoidance as well as contact constraints represented using complementarity constraints. We provide comparisons with other open source optimization packages like CasADi and Pyomo .
• Abstract（参考訳）: PYROBOCOPは、非線形微分代数方程式(DAE)によって記述されるロボットシステムの制御と最適化のための軽量Pythonベースのパッケージである。 特に、パッケージは相補性制約によって記述される接触を持つシステムを扱うことができ、障害物回避制約を特定するための一般的なフレームワークを提供する。 このパッケージは、有限要素上の直交コロケーションを実行することにより、DAEを一連の非線形方程式に直接転写する。 結果の最適化問題は相補性制約付き数学プログラム(MPCC)のクラスに属する。 MPCCは一般的に想定される制約条件を満たすことができず、NonLinear Program (NLP)ソルバがそれらを効果的に解決するためには、補性制約の特別な扱いが必要となる。 PYROBOCOPは、NLPソルバがロボットシステムの最適化を行えるように、相補性の制約を自動的に修正する。 パッケージは、自動微分によりスパース誘導体を得るためのADOLCと、最適化を行うためのIPOPTとでインターフェースされている。 スピードと柔軟性の観点から、我々のアプローチの有効性を実証する。 本稿では, 衝突回避型ロボットシステムと, 相補性制約を用いた接触制約の数値例を示す。 casadiやpyomoといった他のオープンソース最適化パッケージと比較します。

関連論文リスト

• Neural Port-Hamiltonian Models for Nonlinear Distributed Control: An Unconstrained Parametrization Approach [0.0]
  ニューラルネットワーク(NN)は、優れたパフォーマンスをもたらす制御ポリシのパラメータ化に利用することができる。 NNの小さな入力変更に対する感度は、クローズドループシステムの不安定化のリスクを引き起こす。 これらの問題に対処するために、ポート・ハミルトンシステムのフレームワークを活用して、連続時間分散制御ポリシーを設計する。 提案する分散コントローラの有効性は,非ホロノミック移動ロボットのコンセンサス制御によって実証される。
  論文  参考訳（メタデータ） (2024-11-15T10:44:29Z)
• One for All: Universal Quantum Conic Programming Framework for Hard-Constrained Combinatorial Optimization Problems [0.0]
  NP完全制約最適化問題を解くための統一量子古典的枠組みを提案する。 QCPのパラメータ化アンサッツクラスは、生成したサブコーン内の最適値を常にキャプチャすることを示す。
  論文  参考訳（メタデータ） (2024-11-01T08:00:30Z)
• Encoding arbitrary Ising Hamiltonians on Spatial Photonic Ising Machines [0.0]
  本研究では,完全な相互作用行列を直接制御できるSPIMインスタンスを導入,実験的に検証する。 実験によって測定されたIsingエネルギーと理論的な期待値との整合性を実証し、未重み付きグラフ問題と重み付きグラフ問題の両方を解決する。 本手法は,システム固有の利点を犠牲にすることなく,実世界のアプリケーションに適用可能なSPIMを大幅に拡張する。
  論文  参考訳（メタデータ） (2024-07-12T10:54:07Z)
• Automatic nonlinear MPC approximation with closed-loop guarantees [7.98874664486269]
  モデル予測制御(MPC)は、安全クリティカルシステムを制御するための構築的なフレームワークを提供する。 非線形MPCスキームに対する明示的な近似を自動的に計算する新しいアルゴリズムを提案することでこの問題に対処する。 2つの非線形 MPC スキームに ALKIA-X を適用し,計算要求の低減と現実問題への適用性を実証した。
  論文  参考訳（メタデータ） (2023-12-15T20:55:05Z)
• Safe Neural Control for Non-Affine Control Systems with Differentiable Control Barrier Functions [58.19198103790931]
  本稿では,非アフィン制御系における安全クリティカル制御の問題に対処する。 制御バリア関数(CBF)を用いて,状態制約と制御制約の2次コストの最適化を2次プログラムのシーケンス(QP)にサブ最適化できることが示されている。 我々は,高次CBFをニューラル常微分方程式に基づく学習モデルに差分CBFとして組み込んで,非アフィン制御系の安全性を保証する。
  論文  参考訳（メタデータ） (2023-09-06T05:35:48Z)
• Symmetric Tensor Networks for Generative Modeling and Constrained Combinatorial Optimization [72.41480594026815]
  ポートフォリオ最適化からロジスティクスに至るまで、制約付き最適化問題は業界に多い。 これらの問題の解決における主要な障害の1つは、有効な検索空間を制限する非自明なハード制約の存在である。 本研究では、Ax=bという形の任意の整数値等式制約をU(1)対称ネットワーク(TN)に直接エンコードし、それらの適用性を量子に着想を得た生成モデルとして活用する。
  論文  参考訳（メタデータ） (2022-11-16T18:59:54Z)
• Polynomial Optimization: Enhancing RLT relaxations with Conic Constraints [0.0]
  円錐最適化は、非スケール問題に対するトラクタブルで保証されたアルゴリズムを設計するための強力なツールとして登場した。 最適化問題に対するRLT緩和の強化について,9種類の制約を加えて検討する。 我々は、これらの変種とその性能を、互いに、そして標準RCT緩和に関してどのように設計するかを示す。
  論文  参考訳（メタデータ） (2022-08-11T02:13:04Z)
• Optimization on manifolds: A symplectic approach [127.54402681305629]
  本稿では、最適化問題を解くための一般的な枠組みとして、ディラックの制約付きハミルトン系理論の散逸拡張を提案する。 我々の(加速された)アルゴリズムのクラスは単純で効率的なだけでなく、幅広い文脈にも適用できる。
  論文  参考訳（メタデータ） (2021-07-23T13:43:34Z)
• Adaptive Subcarrier, Parameter, and Power Allocation for Partitioned Edge Learning Over Broadband Channels [69.18343801164741]
  パーティショニングエッジ学習(PARTEL)は、無線ネットワークにおいてよく知られた分散学習手法であるパラメータサーバトレーニングを実装している。 本稿では、いくつかの補助変数を導入してParticleELを用いてトレーニングできるディープニューラルネットワーク(DNN)モデルについて考察する。
  論文  参考訳（メタデータ） (2020-10-08T15:27:50Z)
• Adaptive pruning-based optimization of parameterized quantum circuits [62.997667081978825]
  Variisyハイブリッド量子古典アルゴリズムは、ノイズ中間量子デバイスの使用を最大化する強力なツールである。 我々は、変分量子アルゴリズムで使用されるそのようなアンサーゼを「効率的な回路訓練」(PECT)と呼ぶ戦略を提案する。 すべてのアンサッツパラメータを一度に最適化する代わりに、PECTは一連の変分アルゴリズムを起動する。
  論文  参考訳（メタデータ） (2020-10-01T18:14:11Z)
• Combining Deep Learning and Optimization for Security-Constrained Optimal Power Flow [94.24763814458686]
  セキュリティに制約のある最適電力フロー(SCOPF)は、電力システムの基本である。 SCOPF問題におけるAPRのモデル化は、複雑な大規模混合整数プログラムをもたらす。 本稿では,ディープラーニングとロバスト最適化を組み合わせた新しい手法を提案する。
  論文  参考訳（メタデータ） (2020-07-14T12:38:21Z)

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。