Myriad：连接轨迹优化与深度学习的真实世界测试平台
机器学习
2023-01-30 v2 人工智能
系统与控制
系统与控制
机器学习
摘要
我们提出 Myriad，一个用 JAX 编写的用于真实世界连续环境中学习与规划的测试平台。Myriad 的主要贡献有三方面。首先，Myriad 为机器学习从业者提供了在典型自动微分工作流中应用轨迹优化技术的途径。其次，Myriad 提供了许多从生物学到医学再到工程学的真实世界最优控制问题，供机器学习界使用。这些问题在连续空间与时间中表述，保留了标准基准常抽象掉的真实世界系统的部分复杂性。因此，Myriad 力求作为将现代机器学习技术应用于有影响力的真实世界任务的垫脚石。最后，我们利用 Myriad 代码库展示一种用于学习与控制任务的新型方法。我们的模型以完全端到端方式训练，利用基于神经常微分方程的隐式规划模块，实现对复杂环境动态的同步学习与规划。
引用
@article{arxiv.2202.10600,
title = {Myriad: a real-world testbed to bridge trajectory optimization and deep learning},
author = {Nikolaus H. R. Howe and Simon Dufort-Labbé and Nitarshan Rajkumar and Pierre-Luc Bacon},
journal= {arXiv preprint arXiv:2202.10600},
year = {2023}
}
备注
Updated to match version accepted at NeurIPS 2022