Learning for CasADi：数值优化中的数据驱动模型
系统与控制
2023-12-12 v1 人工智能
机器学习
机器人学
符号计算
系统与控制
摘要
虽然现实世界问题通常难以进行解析分析，但深度学习擅长从数据中对复杂过程进行建模。现有的优化框架（如 CasADi）促进了求解器的无缝使用，但在将学习到的过程模型集成到数值优化中时面临挑战。为了解决这一差距，我们提出了 Learning for CasADi (L4CasADi) 框架，实现了 PyTorch 学习模型与 CasADi 的无缝集成，以进行高效的且潜在可硬件加速的数值优化。L4CasADi 的适用性通过两个教程示例进行了演示：首先，我们优化鱼在湍急河流中的轨迹以提高能源效率，其中湍流由 PyTorch 模型表示。其次，我们演示了如何利用 L4CasADi 轻松地将隐式神经辐射场环境表示用于最优控制。L4CasADi 连同示例和文档在 MIT 许可下可在 https://github.com/Tim-Salzmann/l4casadi 获取。
引用
@article{arxiv.2312.05873,
title = {Learning for CasADi: Data-driven Models in Numerical Optimization},
author = {Tim Salzmann and Jon Arrizabalaga and Joel Andersson and Marco Pavone and Markus Ryll},
journal= {arXiv preprint arXiv:2312.05873},
year = {2023}
}