DiffTune$^+$：基于自动微分的免超参数自动整定
机器人学
2023-05-16 v2
摘要
控制器整定是确保控制器达到其设计性能的重要步骤。DiffTune 已被提出作为一种自动整定方法，其将动力学系统与控制器展开为计算图，并利用自动微分获得控制器参数更新的梯度。然而，DiffTune 使用朴素梯度下降迭代更新参数，其性能在很大程度上依赖于学习率（作为超参数）的选择。本文中，我们提出使用免超参数的方法来更新控制器参数。我们通过最大化损失缩减来寻找最优参数更新，其中最大化使用了基于近似状态与控制的预测损失。我们提出了两种最优更新参数的方法，并在 Dubin's car 与四旋翼的仿真中与相关变体进行比较。仿真实验表明，所提出的一阶方法优于基于超参数的方法，且比二阶免超参数方法更具鲁棒性。
引用
@article{arxiv.2212.03194,
title = {DiffTune$^+$: Hyperparameter-Free Auto-Tuning using Auto-Differentiation},
author = {Sheng Cheng and Lin Song and Minkyung Kim and Shenlong Wang and Naira Hovakimyan},
journal= {arXiv preprint arXiv:2212.03194},
year = {2023}
}
备注
accepted for oral presentation at 5th L4DC. arXiv admin note: text overlap with arXiv:2209.10021