論文の概要: ODYN: An All-Shifted Non-Interior-Point Method for Quadratic Programming in Robotics and AI

• arxiv url: http://arxiv.org/abs/2602.16005v1
• Date: Tue, 17 Feb 2026 20:52:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-19 15:58:30.433979
• Title: ODYN: An All-Shifted Non-Interior-Point Method for Quadratic Programming in Robotics and AI
• Title（参考訳）: ODYN:ロボティクスとAIにおける二次プログラミングのための全シフト非中間点法
• Authors: Jose Rojas, Aristotelis Papatheodorou, Sergi Martinez, Ioannis Havoutis, Carlos Mastalli,
• Abstract要約: ODYNは、完全シフトの原始双対非中間点二次計画解法である。 厳密でスパースなQPを効率的に扱うように設計されている。 強いウォームスタート性能を示し、汎用最適化とロボティクスとAIアプリケーションの両方に適している。
• 参考スコア（独自算出の注目度）: 6.322564456689471
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce ODYN, a novel all-shifted primal-dual non-interior-point quadratic programming (QP) solver designed to efficiently handle challenging dense and sparse QPs. ODYN combines all-shifted nonlinear complementarity problem (NCP) functions with proximal method of multipliers to robustly address ill-conditioned and degenerate problems, without requiring linear independence of the constraints. It exhibits strong warm-start performance and is well suited to both general-purpose optimization, and robotics and AI applications, including model-based control, estimation, and kernel-based learning methods. We provide an open-source implementation and benchmark ODYN on the Maros-Mészáros test set, demonstrating state-of-the-art convergence performance in small-to-high-scale problems. The results highlight ODYN's superior warm-starting capabilities, which are critical in sequential and real-time settings common in robotics and AI. These advantages are further demonstrated by deploying ODYN as the backend of an SQP-based predictive control framework (OdynSQP), as the implicitly differentiable optimization layer for deep learning (ODYNLayer), and the optimizer of a contact-dynamics simulation (ODYNSim).
• Abstract（参考訳）: 本稿では,厳密でスパースなQPを効率的に扱えるように設計された,完全シフトのプリミティブ・デュアル非インターインターポイント二次計画法(QP)を新たに導入したODYNを紹介する。 ODYNは全シフト非線形相補性問題(NCP)関数と乗算器の近位法を組み合わせることで、制約の線形独立性を必要とせず、不条件および退化問題に頑健に対処する。 強力なウォームスタート性能を示し、汎用最適化と、モデルベースの制御、推定、カーネルベースの学習方法を含むロボットとAIアプリケーションの両方に適している。 本稿では,Maros-Mészáros テストセット上でのオープンソース実装とベンチマーク ODYN を提供する。 その結果、ODYNの優れたウォームスタート能力が強調され、ロボット工学やAIに共通するシーケンシャルかつリアルタイムな設定において極めて重要である。 これらの利点は、SQPベースの予測制御フレームワーク(OdynSQP)のバックエンドとしてODYNを、ディープラーニングのための暗黙的に微分可能な最適化レイヤ(ODYNLayer)としてデプロイし、接触力学シミュレーション(ODYNSim)の最適化をすることでさらに実証される。

関連論文リスト

• Online Inference of Constrained Optimization: Primal-Dual Optimality and Sequential Quadratic Programming [55.848340925419286]
  等式制約と不等式制約を持つ2次最適化問題の解に対するオンライン統計的推測について検討した。 これらの問題を解決するための逐次プログラミング(SSQP)手法を開発し、目的の近似と制約の線形近似を逐次実行することでステップ方向を計算する。 本手法は,Hjek と Le Cam の意味での最適原始双対制限行列を用いて局所正規性を示す。
  論文  参考訳（メタデータ） (2025-11-27T06:16:17Z)
• Differentiable Nonlinear Model Predictive Control [1.9272863690919875]
  本稿では、暗黙関数定理(IFT)と内点法(IPM)で処理されたスムーズな最適条件を用いた一般非線形プログラム(NLP)の解感度の計算について論じる。 二次サブプロブレムにIPMを用いる逐次二次計画法(SQP)の感度計算について詳述する。 この出版物は、フレームワーク内で効率的なオープンソース実装を伴い、一般的な最適制御問題に対する前方および隣接の感度の両方を提供し、最先端の解法mpc.pytorchよりも3倍を超えるスピードアップを達成する。
  論文  参考訳（メタデータ） (2025-05-02T15:43:37Z)
• Optimization by Parallel Quasi-Quantum Annealing with Gradient-Based Sampling [0.0]
  本研究では、連続緩和による勾配に基づく更新と準量子アナリング(QQA)を組み合わせた別のアプローチを提案する。 数値実験により,本手法はiSCOと学習型解法に匹敵する性能を有する汎用解法であることが示された。
  論文  参考訳（メタデータ） (2024-09-02T12:55:27Z)
• Neuromorphic quadratic programming for efficient and scalable model predictive control [0.31457219084519]
  イベントベースおよびメモリ統合ニューロモルフィックアーキテクチャは、大規模な最適化問題を解決することを約束する。 本稿では,Intel のスケーラブルなニューロモルフィック研究チップ Loihi 2 上での2次コスト関数と線形制約を用いた凸連続最適化問題の解法を提案する。
  論文  参考訳（メタデータ） (2024-01-26T14:12:35Z)
• Pointer Networks with Q-Learning for Combinatorial Optimization [55.2480439325792]
  我々は、モデルフリーQ値ポリシー近似をPointer Networks(Ptr-Nets)と統合したハイブリッドニューラルネットワークであるPointer Q-Network(PQN)を紹介する。 実験により,本手法の有効性を実証し,不安定な環境でモデルをテストする。
  論文  参考訳（メタデータ） (2023-11-05T12:03:58Z)
• A Multi-Head Ensemble Multi-Task Learning Approach for Dynamical Computation Offloading [62.34538208323411]
  共有バックボーンと複数の予測ヘッド(PH)を組み合わせたマルチヘッドマルチタスク学習(MEMTL)手法を提案する。 MEMTLは、追加のトレーニングデータを必要とせず、推測精度と平均平方誤差の両方でベンチマーク手法より優れている。
  論文  参考訳（メタデータ） (2023-09-02T11:01:16Z)
• AttNS: Attention-Inspired Numerical Solving For Limited Data Scenarios [51.94807626839365]
  限定データによる微分方程式の解法として,注目型数値解法(AttNS)を提案する。 AttNSは、モデル一般化とロバスト性の向上におけるResidual Neural Networks(ResNet)のアテンションモジュールの効果にインスパイアされている。
  論文  参考訳（メタデータ） (2023-02-05T01:39:21Z)
• 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)

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。