PulseAugur
实时 13:28:22
English(EN) Elastic ODYN: Differentiable Optimization for Infeasible Control and Learning in Robotics

新的二次规划求解器处理机器人中的不可行问题

研究人员推出 Elastic ODYN,这是一种新颖的原对偶非内点二次规划 (QP) 求解器,旨在处理机器人和控制中的不可行问题。与假设可行的现有方法不同,Elastic ODYN 使用平滑的平方 $\ell_2$ 弹性松弛来管理冲突的目标和建模错误,即使在无法满足约束的情况下也能确保稳定的梯度和收敛性。该框架能够开发一个不可行性感知的可微分 QP 层和一个 SQP 方法,这些方法已在各种机器人任务中进行了评估,证明了比当前最先进的弹性 QP 求解器更强的鲁棒性和可靠性。 AI

排序理由 学术论文,详细介绍了解决机器人二次规划问题的新方法。[lever_c_demoted from research: ic=1 ai=0.7]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

报道来源 [1]

  1. arXiv cs.LG TIER_1 English(EN) · Aristotelis Papatheodorou, Jose Rojas, Ioannis Havoutis, Carlos Mastalli ·

    Elastic ODYN: Differentiable Optimization for Infeasible Control and Learning in Robotics

    arXiv:2606.16564v1 Announce Type: cross Abstract: Robotic systems routinely encounter conflicting objectives, modeling errors, and degenerate contact conditions that render quadratic programs (QPs) infeasible. Yet most optimization solvers and differentiable QP layers assume feas…