論文の概要: Scaling up and Stabilizing Differentiable Planning with Implicit Differentiation

• arxiv url: http://arxiv.org/abs/2210.13542v3
• Date: Mon, 1 May 2023 06:48:28 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-02 19:20:47.663622
• Title: Scaling up and Stabilizing Differentiable Planning with Implicit Differentiation
• Title（参考訳）: 急激な差別化を伴う微分計画のスケールアップと安定化
• Authors: Linfeng Zhao, Huazhe Xu, Lawson L.S. Wong
• Abstract要約: 提案する暗黙バージョンVINとその変異体の安定性,スケーラビリティ,効率性について検討する。 我々は,2次元ナビゲーション,視覚ナビゲーション,構成空間とワークスペースにおける2-DOF操作など,様々な計画タスクにおいて,それらの優位性を実証する。
• 参考スコア（独自算出の注目度）: 15.284320198351804
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Differentiable planning promises end-to-end differentiability and adaptivity. However, an issue prevents it from scaling up to larger-scale problems: they need to differentiate through forward iteration layers to compute gradients, which couples forward computation and backpropagation, and needs to balance forward planner performance and computational cost of the backward pass. To alleviate this issue, we propose to differentiate through the Bellman fixed-point equation to decouple forward and backward passes for Value Iteration Network and its variants, which enables constant backward cost (in planning horizon) and flexible forward budget and helps scale up to large tasks. We study the convergence stability, scalability, and efficiency of the proposed implicit version of VIN and its variants and demonstrate their superiorities on a range of planning tasks: 2D navigation, visual navigation, and 2-DOF manipulation in configuration space and workspace.
• Abstract（参考訳）: 異なるプランニングはエンドツーエンドの差別性と適応性を約束します。 しかし、この問題は、前方の反復層を通じてグラデーションを計算し、前方の計算と後方の伝播を混在させ、前方のプランナーのパフォーマンスと後方のパスの計算コストのバランスをとる必要があるという、より大規模な問題へのスケールアップを妨げている。 この問題を緩和するために,我々はベルマンの不動点方程式を用いて,バリューイテレーションネットワークとその変種に対する前方・後方パスを分離し,一定の後方コスト(計画的地平線)と柔軟な前方予算を実現するとともに,大規模タスクへのスケールアップを支援することを提案する。 提案する暗黙のバージョンであるvinとその派生品の収束安定性,スケーラビリティ,効率について検討し,構成空間と作業空間における2dof操作と2dナビゲーション,視覚ナビゲーションなど,様々な計画タスクにおいてその優位性を実証した。

関連論文リスト

• 360 Layout Estimation via Orthogonal Planes Disentanglement and Multi-view Geometric Consistency Perception [56.84921040837699]
  既存のパノラマ配置推定ソリューションは、垂直圧縮されたシーケンスから部屋の境界を復元し、不正確な結果をもたらす傾向にある。 そこで本稿では,直交平面不整合ネットワーク(DOPNet)を提案し,あいまいな意味論を識別する。 また,水平深度と比表現に適した教師なし適応手法を提案する。 本手法は,単分子配置推定と多視点レイアウト推定の両タスクにおいて,他のSoTAモデルよりも優れる。
  論文  参考訳（メタデータ） (2023-12-26T12:16:03Z)
• Multi-parametric Analysis for Mixed Integer Linear Programming: An Application to Transmission Planning and Congestion Control [9.981355007576715]
  既存の送電線を拡大することは、送電渋滞に対処し、需要の増加とともに送電セキュリティを確保するのに有用なツールである。 本研究は,キャパシティを拡張すべきラインの選択と,システムコストを最小化するための独立系演算子(ISO)の観点から,その選択について検討する。 我々はISO単位のコミットメントと経済的なディスパッチモデルを開発し、混合整数線形プログラミング(MILP)問題に対する右側の不確実性多重パラメトリック解析として示す。
  論文  参考訳（メタデータ） (2022-07-19T15:27:10Z)
• Integrating Symmetry into Differentiable Planning with Steerable Convolutions [5.916280909373456]
  等変畳み込みネットワークによって動機付けられた経路計画問題を,グリッド上のテキスト信号として扱う。 この場合の値反復は線型同変作用素であり、これは(ステアブルな)畳み込みであることを示す。 我々の実装はVINに基づいており、対称性を取り入れるためにステアブル畳み込みネットワークを使用している。
  論文  参考訳（メタデータ） (2022-06-08T04:58:48Z)
• Homography Decomposition Networks for Planar Object Tracking [11.558401177707312]
  平面オブジェクトトラッキングは、ロボット工学、ビジュアルサーボ、ビジュアルSLAMといったAIアプリケーションにおいて重要な役割を果たす。 本稿では, ホログラフィ変換を2つのグループに分解することで, 条件数を大幅に削減し, 安定化する新しいホモグラフィ分解ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-12-15T06:13:32Z)
• Neural Stochastic Dual Dynamic Programming [99.80617899593526]
  我々は、問題インスタンスを断片的線形値関数にマッピングすることを学ぶトレーニング可能なニューラルモデルを導入する。 $nu$-SDDPは、ソリューションの品質を犠牲にすることなく、問題解決コストを大幅に削減できる。
  論文  参考訳（メタデータ） (2021-12-01T22:55:23Z)
• Gradient-Based Mixed Planning with Discrete and Continuous Actions [34.885999774739055]
  本稿では,連続パラメータと候補計画の動作を同時に最適化する二次的枠組みを提案する。 フレームワークはモジュールと組み合わせて、緩和に基づいて初期状態から目標へ移行する最適な計画候補を推定する。
  論文  参考訳（メタデータ） (2021-10-19T14:21:19Z)
• InverseForm: A Loss Function for Structured Boundary-Aware Segmentation [80.39674800972182]
  逆変換ネットワークを用いたセマンティックセグメンテーションのための新しい境界認識損失項を提案する。 このプラグイン損失項は境界変換の捕捉におけるクロスエントロピー損失を補完する。 室内および屋外のセグメンテーションベンチマークにおける損失関数の定量的および定性的効果を解析した。
  論文  参考訳（メタデータ） (2021-04-06T18:52:45Z)
• Efficient Incremental Modelling and Solving [1.6172800007896284]
  AI計画問題を解決するための標準的なアプローチは、計画の地平線を漸進的に拡張し、特定の長さの計画を見つけようとする問題の解決である。 この研究の貢献は、SATソルバと自動モデリングシステムSaveile Rowのネイティブインタラクションを可能にすることである。
  論文  参考訳（メタデータ） (2020-09-23T12:40:23Z)
• Balancing Rates and Variance via Adaptive Batch-Size for Stochastic Optimization Problems [120.21685755278509]
  本研究は,ステップサイズの減衰が正確な収束に必要であるという事実と,一定のステップサイズがエラーまでの時間でより速く学習するという事実のバランスをとることを目的とする。 ステップサイズのミニバッチを最初から修正するのではなく,パラメータを適応的に進化させることを提案する。
  論文  参考訳（メタデータ） (2020-07-02T16:02:02Z)
• Cogradient Descent for Bilinear Optimization [124.45816011848096]
  双線形問題に対処するために、CoGDアルゴリズム(Cogradient Descent Algorithm)を導入する。 一方の変数は、他方の変数との結合関係を考慮し、同期勾配降下をもたらす。 本アルゴリズムは,空間的制約下での1変数の問題を解くために応用される。
  論文  参考訳（メタデータ） (2020-06-16T13:41:54Z)
• Augmented Parallel-Pyramid Net for Attention Guided Pose-Estimation [90.28365183660438]
  本稿では、注意部分モジュールと微分可能な自動データ拡張を備えた拡張並列ピラミドネットを提案する。 我々は、データ拡張のシーケンスをトレーニング可能なCNNコンポーネントとして定式化する新しいポーズ検索空間を定義する。 特に,本手法は,挑戦的なCOCOキーポイントベンチマークとMPIIデータセットの最先端結果において,トップ1の精度を実現する。
  論文  参考訳（メタデータ） (2020-03-17T03:52:17Z)

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。