論文の概要: Path Signatures for Diversity in Probabilistic Trajectory Optimisation

• arxiv url: http://arxiv.org/abs/2308.04071v1
• Date: Tue, 8 Aug 2023 06:10:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-09 13:54:52.042396
• Title: Path Signatures for Diversity in Probabilistic Trajectory Optimisation
• Title（参考訳）: 確率的軌道最適化における経路シグナチャ
• Authors: Lucas Barcelos, Tin Lai, Rafael Oliveira, Paulo Borges and Fabio Ramos
• Abstract要約: 移動計画は、発生した軌道の関数としてコストを最小化する軌道最適化問題としてキャストすることができる。 近年のハードウェアの進歩により、複数の解が同時に得られる並列軌道最適化が可能になった。 本稿では, 並列軌道最適化のアルゴリズムを提案し, 解域の多様性を向上し, モード崩壊を回避する。
• 参考スコア（独自算出の注目度）: 24.101232487591094
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Motion planning can be cast as a trajectory optimisation problem where a cost is minimised as a function of the trajectory being generated. In complex environments with several obstacles and complicated geometry, this optimisation problem is usually difficult to solve and prone to local minima. However, recent advancements in computing hardware allow for parallel trajectory optimisation where multiple solutions are obtained simultaneously, each initialised from a different starting point. Unfortunately, without a strategy preventing two solutions to collapse on each other, naive parallel optimisation can suffer from mode collapse diminishing the efficiency of the approach and the likelihood of finding a global solution. In this paper we leverage on recent advances in the theory of rough paths to devise an algorithm for parallel trajectory optimisation that promotes diversity over the range of solutions, therefore avoiding mode collapses and achieving better global properties. Our approach builds on path signatures and Hilbert space representations of trajectories, and connects parallel variational inference for trajectory estimation with diversity promoting kernels. We empirically demonstrate that this strategy achieves lower average costs than competing alternatives on a range of problems, from 2D navigation to robotic manipulators operating in cluttered environments.
• Abstract（参考訳）: 移動計画は、発生した軌道の関数としてコストを最小化する軌道最適化問題としてキャストすることができる。 いくつかの障害物と複雑な幾何学を持つ複雑な環境では、この最適化問題は一般に解くのが難しく、局所ミニマに傾向がある。 しかし、近年のコンピューティングハードウェアの進歩により、複数の解が同時に得られる並列軌道最適化が可能となり、それぞれ異なる出発点から初期化される。 残念なことに、2つの解が互いに崩壊することを防ぐ戦略がなければ、単純並列最適化はモード崩壊に悩まされ、アプローチの効率が低下し、グローバルな解を見つける可能性が低下する。 本稿では, 粗路理論の最近の進歩を活用し, パラレルトラジェクトリ最適化のアルゴリズムを考案し, 解幅の多様性を促進し, モード崩壊を回避し, より優れたグローバル性を実現する。 本手法は軌道の経路シグネチャとヒルベルト空間表現を基盤とし,軌道推定のための並列変分推論とカーネルの多様性を促進する。 この戦略は,2次元ナビゲーションからロボットマニピュレータまで,さまざまな問題において競合する代替手段よりも低い平均コストを実現することを実証的に実証する。

関連論文リスト

• SPGD: Steepest Perturbed Gradient Descent Optimization [0.0]
  本稿では,Steepest Perturbed Gradient Descent (SPGD)アルゴリズムを提案する。 一連の候補解を生成し、最も急な損失差を示すものを選択するように設計されている。 予備結果は4つの確立された方法よりも大幅に改善された。
  論文  参考訳（メタデータ） (2024-11-07T18:23:30Z)
• Analyzing and Enhancing the Backward-Pass Convergence of Unrolled Optimization [50.38518771642365]
  ディープネットワークにおけるコンポーネントとしての制約付き最適化モデルの統合は、多くの専門的な学習タスクに有望な進歩をもたらした。 この設定における中心的な課題は最適化問題の解によるバックプロパゲーションであり、しばしば閉形式を欠いている。 本稿では, 非線形最適化の後方通過に関する理論的知見を提供し, 特定の反復法による線形システムの解と等価であることを示す。 Folded Optimizationと呼ばれるシステムが提案され、非ローリングなソルバ実装からより効率的なバックプロパゲーションルールを構築する。
  論文  参考訳（メタデータ） (2023-12-28T23:15:18Z)
• Federated Multi-Level Optimization over Decentralized Networks [55.776919718214224]
  エージェントが隣人としか通信できないネットワーク上での分散マルチレベル最適化の問題について検討する。 ネットワーク化されたエージェントが1つの時間スケールで異なるレベルの最適化問題を解くことができる新しいゴシップに基づく分散マルチレベル最適化アルゴリズムを提案する。 提案アルゴリズムは, ネットワークサイズと線形にスケーリングし, 各種アプリケーション上での最先端性能を示す。
  論文  参考訳（メタデータ） (2023-10-10T00:21:10Z)
• ProGO: Probabilistic Global Optimizer [9.772380490791635]
  本稿では,いくつかの温和な条件下でのグローバルオプティマに収束するアルゴリズムを開発する。 提案アルゴリズムは,従来の最先端手法よりも桁違いに優れていることを示す。
  論文  参考訳（メタデータ） (2023-10-04T22:23:40Z)
• Constrained Stein Variational Trajectory Optimization [5.317624228510749]
  CSVTOは,一連のトラジェクトリに制約のあるトラジェクトリ最適化を並列に行うアルゴリズムである。 多様な軌道を明示的に生成することにより、CSVTOは局所的な最小値の低下を回避できる。 CSVTOは、高度に制約されたタスクにおいて、ベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-08-23T12:58:40Z)
• Monte Carlo Policy Gradient Method for Binary Optimization [3.742634130733923]
  パラメータ化されたポリシー分布に従って二項解をサンプリングする新しい確率モデルを開発する。 離散空間におけるコヒーレント探索には、並列マルコフ・チェイン・モンテカルロ法(MCMC)を用いる。 政策勾配法を期待する定常点への収束性を確立する。
  論文  参考訳（メタデータ） (2023-07-03T07:01:42Z)
• 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)
• On Constraints in First-Order Optimization: A View from Non-Smooth Dynamical Systems [99.59934203759754]
  本稿では,スムーズな制約付き最適化のための一階法について紹介する。 提案手法の2つの特徴は、実現可能な集合全体の投影や最適化が避けられることである。 結果として得られるアルゴリズムの手順は、制約が非線形であっても簡単に実装できる。
  論文  参考訳（メタデータ） (2021-07-17T11:45:13Z)
• Motion Planning by Learning the Solution Manifold in Trajectory Optimization [6.127237810365965]
  本稿では,運動計画問題に対する無限の解集合を生成する最適化手法を提案する。 結果は、実験モデルが運動計画問題のホモトピー解の無限集合を表すことを示している。
  論文  参考訳（メタデータ） (2021-07-13T04:47:47Z)
• Follow the bisector: a simple method for multi-objective optimization [65.83318707752385]
  複数の異なる損失を最小化しなければならない最適化問題を考える。 提案手法は、各イテレーションにおける降下方向を計算し、目的関数の相対的減少を等しく保証する。
  論文  参考訳（メタデータ） (2020-07-14T09:50:33Z)
• EOS: a Parallel, Self-Adaptive, Multi-Population Evolutionary Algorithm for Constrained Global Optimization [68.8204255655161]
  EOSは実数値変数の制約付きおよび制約なし問題に対する大域的最適化アルゴリズムである。 これはよく知られた微分進化(DE)アルゴリズムに多くの改良を加えている。 その結果、EOSisは、最先端の単一人口自己適応Dアルゴリズムと比較して高い性能を達成可能であることが証明された。
  論文  参考訳（メタデータ） (2020-07-09T10:19:22Z)

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。