論文の概要: Local object crop collision network for efficient simulation of
non-convex objects in GPU-based simulators
- arxiv url: http://arxiv.org/abs/2304.09439v2
- Date: Sat, 10 Jun 2023 14:13:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-14 00:34:16.769756
- Title: Local object crop collision network for efficient simulation of
non-convex objects in GPU-based simulators
- Title（参考訳）: GPUシミュレータにおける非凸物体の効率的なシミュレーションのための局所物体衝突ネットワーク
- Authors: Dongwon Son and Beomjoon Kim
- Abstract要約: 我々のゴールは、非ネットワークオブジェクトの大規模シミュレーションのための効率的な接触検出アルゴリズムを開発することである。
補足材料の品質と量にのみ依存するCDのためのデータ駆動型手法を提案する。
- 参考スコア（独自算出の注目度）: 6.33790920152602
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Our goal is to develop an efficient contact detection algorithm for
large-scale GPU-based simulation of non-convex objects. Current GPU-based
simulators such as IsaacGym and Brax must trade-off speed with fidelity,
generality, or both when simulating non-convex objects. Their main issue lies
in contact detection (CD): existing CD algorithms, such as
Gilbert-Johnson-Keerthi (GJK), must trade off their computational speed with
accuracy which becomes expensive as the number of collisions among non-convex
objects increases. We propose a data-driven approach for CD, whose accuracy
depends only on the quality and quantity of offline dataset rather than online
computation time. Unlike GJK, our method inherently has a uniform computational
flow, which facilitates efficient GPU usage based on advanced compilers such as
XLA (Accelerated Linear Algebra). Further, we offer a data-efficient solution
by learning the patterns of colliding local crop object shapes, rather than
global object shapes which are harder to learn. We demonstrate our approach
improves the efficiency of existing CD methods by a factor of 5-10 for
non-convex objects with comparable accuracy. Using the previous work on contact
resolution for a neural-network-based contact detector, we integrate our CD
algorithm into the open-source GPU-based simulator, Brax, and show that we can
improve the efficiency over IsaacGym and generality over standard Brax. We
highly recommend the videos of our simulator included in the supplementary
materials.
- Abstract（参考訳）: 本研究の目的は,非凸物体の大規模gpuシミュレーションのための効率的な接触検出アルゴリズムの開発である。
現在のGPUベースのシミュレータであるIsaacGymやBraxは、非凸オブジェクトをシミュレートする際に、忠実さ、一般性、あるいは両方で速度をトレードオフしなければならない。
GJK(Gilbert-Johnson-Keerthi)のような既存のCDアルゴリズムは、非凸物体同士の衝突数が増加するにつれて、その計算速度を精度でトレードオフしなければならない。
本稿では,オンライン計算時間よりもオフラインデータセットの品質と量にのみ依存するcdのためのデータ駆動手法を提案する。
gjkとは異なり、本手法は一様計算フローを持ち、xla (accelerated linear algebra) のような高度なコンパイラに基づく効率的なgpu利用を容易にする。
さらに,学習が難しいグローバルな物体ではなく,局所的な作物の形状を衝突させるパターンを学習することで,データ効率の高いソリューションを提供する。
提案手法は, 既存のCD手法の効率を, 比較精度の高い非凸オブジェクトに対して5-10倍に向上することを示した。
従来のニューラルネットワークベースのコンタクト検出器の接触分解能に関する研究から,我々のCDアルゴリズムをオープンソースGPUベースのシミュレータであるBraxに統合し,IsaacGymよりも効率を向上し,標準Braxよりも汎用性を向上できることを示す。
補充材料に含まれるシミュレータの動画を強く推奨する。
関連論文リスト
- COmoving Computer Acceleration (COCA): $N$-body simulations in an emulated frame of reference [0.0]
我々は,ハイブリッドフレームワークであるComoving Computer Acceleration (COCA)を紹介した。
正確な運動方程式は、基準のエミュレートされたフレームで解き、任意のエミュレーション誤差を設計によって補正する。
COCAは、粒子軌道におけるエミュレーション誤差を効率的に低減し、MLなしで対応するシミュレーションを実行するよりもはるかに少ない力評価を必要とする。
論文 参考訳（メタデータ） (2024-09-03T17:27:12Z) - Implementation and Analysis of GPU Algorithms for Vecchia Approximation [0.8057006406834466]
Vecchia Approximationは計算複雑性を減らすために広く使われており、恥ずかしい並列アルゴリズムで計算することができる。
Vecchia Approximationのためにマルチコアソフトウェアが開発されたが、グラフィックス処理ユニット(GPU)上で動作するように設計されたソフトウェアは不足している。
我々の新しい手法は他の2つより優れており、GpGpU Rパッケージに表示されます。
論文 参考訳（メタデータ） (2024-07-03T01:24:44Z) - Geometry-Informed Neural Operator for Large-Scale 3D PDEs [76.06115572844882]
大規模偏微分方程式の解演算子を学習するために,幾何インフォームド・ニューラル演算子(GINO)を提案する。
我々はGINOを訓練し、わずか500点のデータポイントで車両表面の圧力を予測することに成功した。
論文 参考訳（メタデータ） (2023-09-01T16:59:21Z) - Going faster to see further: GPU-accelerated value iteration and
simulation for perishable inventory control using JAX [5.856836693166898]
我々はPythonライブラリJAXを使って、ハイレベルなAPIで基礎となるMarkov決定プロセスの反復とシミュレータを実装しています。
提案手法は,従来は実現不可能あるいは現実的と考えられていた設定に値反復の使用を拡張できる。
我々は、複数の候補ポリシーパラメータの並列評価を可能にするJAXのシミュレーション最適化を用いて、最適補充ポリシーの性能をポリシーと比較した。
論文 参考訳（メタデータ） (2023-03-19T14:20:44Z) - Adaptive Elastic Training for Sparse Deep Learning on Heterogeneous
Multi-GPU Servers [65.60007071024629]
本稿では,Adaptive SGDが4つの最先端ソリューションよりも精度が高いことを示す。
本稿では,Adaptive SGDが時間と精度で4つの最先端ソリューションより優れていることを示す。
論文 参考訳（メタデータ） (2021-10-13T20:58:15Z) - Neural Implicit Surfaces for Efficient and Accurate Collisions in
Physically Based Simulations [40.679520739784195]
衝突検出と解法は物理シミュレーションにおいて重要なボトルネックとなる。
シミュレーションにおける衝突処理のための深層学習により学習した暗黙の曲面表現を提案する。
提案アーキテクチャは,O(n) あるいは O(1) の複雑な単一点クエリを持ち,並列化の問題はない。
論文 参考訳（メタデータ） (2021-10-03T09:43:01Z) - Providing Meaningful Data Summarizations Using Examplar-based Clustering
in Industry 4.0 [67.80123919697971]
我々は,従来のCPUアルゴリズムと比較して,一精度で最大72倍,半精度で最大452倍の高速化を実現していることを示す。
提案アルゴリズムは射出成形プロセスから得られた実世界のデータに適用し, 得られたサマリーが, コスト削減と不良部品製造の削減のために, この特定のプロセスのステアリングにどのように役立つかについて議論する。
論文 参考訳（メタデータ） (2021-05-25T15:55:14Z) - Large Batch Simulation for Deep Reinforcement Learning [101.01408262583378]
我々は,視覚複雑な3次元環境における深層強化学習に基づく学習を,事前作業よりも2桁高速化する。
単一のGPUマシンで1秒間に19,000フレーム以上の経験と最大72,000フレーム/秒のエンドツーエンドのトレーニング速度を実現します。
バッチシミュレーションと性能最適化を組み合わせることで、1つのGPU上の複雑な3D環境において、従来の最先端システムでトレーニングされたエージェントの精度の97%から97%まで、ポイントナビゲーションエージェントをトレーニングできることを実証する。
論文 参考訳（メタデータ） (2021-03-12T00:22:50Z) - 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) - Heterogeneous CPU+GPU Stochastic Gradient Descent Algorithms [1.3249453757295084]
ヘテロジニアスCPU+GPUアーキテクチャの深層学習のためのトレーニングアルゴリズムについて検討する。
私たちの2倍の目標 -- 収束率と資源利用を同時に最大化する -- は、この問題を難しくします。
これらのアルゴリズムの実装は,複数の実データセットよりも高速な収束と資源利用の両立を実現していることを示す。
論文 参考訳（メタデータ） (2020-04-19T05:21:20Z) - MPLP++: Fast, Parallel Dual Block-Coordinate Ascent for Dense Graphical
Models [96.1052289276254]
この研究は、人気のあるDual Block-Coordinate Ascent原則に基づく新しいMAP-solverを導入している。
驚いたことに、性能の低い解法に小さな変更を加えることで、既存の解法を大きなマージンで大幅に上回る新しい解法MPLP++を導出します。
論文 参考訳（メタデータ） (2020-04-16T16:20:53Z)
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。