Discovering Multiple Algorithm Configurations

要約

ロボット工学の多くの実践者は、手動で設計された古典的なアルゴリズムに定期的に依存しています。
多くの場合、これらのアルゴリズムのパフォーマンスは、典型的な展開条件を表す注釈付きの例のデータセット全体で調整されます。
これらの設定の自動調整は、伝統的にアルゴリズム構成として知られています。
この作業では、アルゴリズム構成を拡張して、チューニング データセット内の複数のモードを自動的に検出します。
以前の作業とは異なり、これらの構成モードは複数のデータセット インスタンスを表し、最適化の過程で自動的に検出されます。
モード発見には、事後法、多段階法、および多腕バンディットを使用したオンライン アルゴリズムの 3 つの方法を提案します。
私たちの結果は、合成テスト機能と複数のロボティクス アプリケーション ドメインでこれらのメソッドを特徴付けます: 立体的な奥行き推定、微分可能なレンダリング、モーション プランニング、およびビジュアル オドメトリー。
アルゴリズム構成空間で複数のモードを検出することの明確な利点を示します。

要約(オリジナル)

Many practitioners in robotics regularly depend on classic, hand-designed algorithms. Often the performance of these algorithms is tuned across a dataset of annotated examples which represent typical deployment conditions. Automatic tuning of these settings is traditionally known as algorithm configuration. In this work, we extend algorithm configuration to automatically discover multiple modes in the tuning dataset. Unlike prior work, these configuration modes represent multiple dataset instances and are detected automatically during the course of optimization. We propose three methods for mode discovery: a post hoc method, a multi-stage method, and an online algorithm using a multi-armed bandit. Our results characterize these methods on synthetic test functions and in multiple robotics application domains: stereoscopic depth estimation, differentiable rendering, motion planning, and visual odometry. We show the clear benefits of detecting multiple modes in algorithm configuration space.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google