論文の概要: SymForce: Symbolic Computation and Code Generation for Robotics

• arxiv url: http://arxiv.org/abs/2204.07889v1
• Date: Sun, 17 Apr 2022 00:15:10 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-19 17:06:24.257213
• Title: SymForce: Symbolic Computation and Code Generation for Robotics
• Title（参考訳）: SymForce: ロボットのための記号計算とコード生成
• Authors: Hayk Martiros, Aaron Miller, Nathan Bucki, Bradley Solliday, Ryan Kennedy, Jack Zhu, Tung Dang, Dominic Pattison, Harrison Zheng, Teo Tomic, Peter Henry, Gareth Cross, Josiah VanderMey, Alvin Sun, Samuel Wang, Kristen Holtz
• Abstract要約: ロボット工学アプリケーションのための高速な記号計算およびコード生成ライブラリであるSymForceについて述べる。 SymForceは、シンボリック数学の開発速度と柔軟性を、C++で自動生成され高度に最適化されたコードのパフォーマンスと組み合わせている。
• 参考スコア（独自算出の注目度）: 6.741275581634116
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present SymForce, a fast symbolic computation and code generation library for robotics applications like computer vision, state estimation, motion planning, and controls. SymForce combines the development speed and flexibility of symbolic mathematics with the performance of autogenerated, highly optimized code in C++ or any target runtime language. SymForce provides geometry and camera types, Lie group operations, and branchless singularity handling for creating and analyzing complex symbolic expressions in Python, built on top of SymPy. Generated functions can be integrated as factors into our tangent space nonlinear optimizer, which is highly optimized for real-time production use. We introduce novel methods to automatically compute tangent space Jacobians, eliminating the need for bug-prone handwritten derivatives. This workflow enables faster runtime code, faster development time, and fewer lines of handwritten code versus the state-of-the-art. Our experiments demonstrate that our approach can yield order of magnitude speedups on computational tasks core to robotics. Code is available at https://github.com/symforce-org/symforce .
• Abstract（参考訳）: コンピュータビジョン,状態推定,動作計画,制御などのロボティクスアプリケーションのための,高速な記号計算およびコード生成ライブラリであるSymForceを紹介する。 symforceはシンボリック数学の開発速度と柔軟性を、c++や他のターゲットランタイム言語で自動生成、高度に最適化されたコードのパフォーマンスと組み合わせている。 SymForceは、SymPy上に構築された、幾何学とカメラのタイプ、Lieグループ操作、Pythonの複雑なシンボル式の生成と解析のためのブランチレス特異性処理を提供する。 生成した関数は,実時間生産に高度に最適化された,接空間非線形最適化器の要素として組み込むことができる。 本稿では,手書き手書き手書きの導関数を不要にしながら,接空間ヤコビアンを自動的に計算する新しい手法を提案する。 このワークフローにより、ランタイムコードの高速化、開発時間の短縮、手書きコードと最先端のコード行の削減が可能になる。 我々の実験は、ロボット工学のコアとなる計算タスクにおいて、我々のアプローチが桁違いにスピードアップできることを示した。 コードはhttps://github.com/symforce-org/symforce で入手できる。

関連論文リスト

• LILO: Learning Interpretable Libraries by Compressing and Documenting Code [71.55208585024198]
  LILOは、反復的に合成、圧縮、文書化を行う、ニューロシンボリックなフレームワークである。 LILOは、LLM誘導プログラム合成と、Stitchから自動化された最近のアルゴリズムの進歩を組み合わせたものである。 LILOのシンセサイザーが学習した抽象化を解釈し、デプロイするのを手助けすることで、AutoDocがパフォーマンスを向上させることが分かりました。
  論文  参考訳（メタデータ） (2023-10-30T17:55:02Z)
• Specx: a C++ task-based runtime system for heterogeneous distributed architectures [0.0]
  Specxは、C++で書かれたタスクベースのランタイムシステムである。 現代のC++で記述されたタスクベースのランタイムシステムであるSpecxを紹介する。
  論文  参考訳（メタデータ） (2023-08-30T11:41:30Z)
• ReACC: A Retrieval-Augmented Code Completion Framework [53.49707123661763]
  本稿では,語彙のコピーと類似したセマンティクスを持つコード参照の両方を検索により活用する検索拡張コード補完フレームワークを提案する。 我々は,Python および Java プログラミング言語のコード補完タスクにおけるアプローチを評価し,CodeXGLUE ベンチマークで最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-03-15T08:25:08Z)
• Geometry-aware Bayesian Optimization in Robotics using Riemannian Mat\'ern Kernels [64.62221198500467]
  ベイズ最適化のための幾何対応カーネルの実装方法を示す。 この技術は、ロボット工学における制御パラメータチューニング、パラメトリックポリシー適応、構造設計に利用できる。
  論文  参考訳（メタデータ） (2021-11-02T09:47:22Z)
• High-performance symbolic-numerics via multiple dispatch [52.77024349608834]
  Symbolics.jlは拡張可能なシンボルシステムで、動的多重ディスパッチを使用してドメインのニーズに応じて振る舞いを変更する。 実装に依存しないアクションでジェネリックapiを形式化することで、システムに最適化されたデータ構造を遡及的に追加できることを示します。 従来の用語書き換えシンプリファイアと電子グラフベースの用語書き換えシンプリファイアをスワップする機能を実証する。
  論文  参考訳（メタデータ） (2021-05-09T14:22:43Z)
• Systolic Computing on GPUs for Productive Performance [2.8064596842326575]
  我々は,GPU上で動作する高性能なシストリックアレイを生産的に構築する言語とコンパイラを提案する。 プログラマは、データフローのプロジェクションを線形シストリック配列に指定し、プロジェクションの詳細な実装はコンパイラに任せる。 コンパイラは指定されたプロジェクションを実装し、リニアシストリックアレイをGPUのSIMD実行ユニットとベクトルレジスタにマッピングする。
  論文  参考訳（メタデータ） (2020-10-29T18:49:54Z)
• Kernel methods through the roof: handling billions of points efficiently [94.31450736250918]
  カーネル法は、非パラメトリック学習に対するエレガントで原則化されたアプローチを提供するが、今のところ大規模な問題ではほとんど利用できない。 最近の進歩は、最適化、数値線形代数、ランダム射影など、多くのアルゴリズム的アイデアの利点を示している。 ここでは、これらの取り組みをさらに進めて、GPUハードウェアを最大限に活用する解決器を開発し、テストする。
  論文  参考訳（メタデータ） (2020-06-18T08:16:25Z)
• PolyDL: Polyhedral Optimizations for Creation of High Performance DL primitives [55.79741270235602]
  本稿では,Deep Learningプリミティブの高性能実装を自動的に生成するコンパイラアルゴリズムを提案する。 我々は多面体モデルを用いた新しいデータ再利用分析アルゴリズムを開発した。 また、このようなハイブリッドコンパイラとライブラリ使用の最小限のアプローチが、最先端のパフォーマンスをもたらすことを示す。
  論文  参考訳（メタデータ） (2020-06-02T06:44:09Z)

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。