EnKode: Active Learning of Unknown Flows with Koopman Operators

要約

このレターでは、ベクトル場をモデル化するための適応サンプリングのタスクについて説明します。
ロボットを使用して環境現象をモデル化する場合、高解像度の情報を収集するとリソースが大量に消費される可能性があります。
データを積極的に収集し、そのデータを使用してフローをモデル化する方が、より効率的な方法です。
ただし、このようなシナリオでは、データがまばらであることが多いため、フローの関連する動的特徴を効率的に捕捉して、結果として得られるモデルの高い予測精度を確保するフロー モデリング手法が必要になります。
これを効果的に達成するには、情報価値の高い領域を特定する必要があります。
私たちは、高品質の流れモデルを構築し、モデルの不確実性を効果的に推定できる、コープマン演算子理論とアンサンブル手法に基づくアクティブ サンプリング アプローチである EnKode を提案します。
複雑な流れをモデリングする場合、EnKode はハイパーパラメータ最適化を使用して、ガウス過程回帰モデルと同等以上の非サンプリング流れ領域の推定値を提供します。
さらに、当社のアクティブ センシング スキームは、均一なサンプリングに依存する同等の戦略よりも正確な流量推定を提供します。
私たちは、Bickley Jet、障害物のある蓋駆動キャビティ流、米国海洋大気局 (NOAA) の実際の海流という 3 つの一般的なベンチマーク システムを使用して EnKode を評価します。

要約(オリジナル)

In this letter, we address the task of adaptive sampling to model vector fields. When modeling environmental phenomena with a robot, gathering high resolution information can be resource intensive. Actively gathering data and modeling flows with the data is a more efficient alternative. However, in such scenarios, data is often sparse and thus requires flow modeling techniques that are effective at capturing the relevant dynamical features of the flow to ensure high prediction accuracy of the resulting models. To accomplish this effectively, regions with high informative value must be identified. We propose EnKode, an active sampling approach based on Koopman Operator theory and ensemble methods that can build high quality flow models and effectively estimate model uncertainty. For modeling complex flows, EnKode provides comparable or better estimates of unsampled flow regions than Gaussian Process Regression models with hyperparameter optimization. Additionally, our active sensing scheme provides more accurate flow estimates than comparable strategies that rely on uniform sampling. We evaluate EnKode using three common benchmarking systems: the Bickley Jet, Lid-Driven Cavity flow with an obstacle, and real ocean currents from the National Oceanic and Atmospheric Administration (NOAA).

arxiv情報

提供元, 利用サービス

arxiv.jp, Google