,

مقاله TinySDP: بهینه‌سازی نیمه‌معین بلادرنگ برای رباتیک لبه گواه‌شده و چابک

تومان249,950

برنامه‌ریزی نیمه‌معین (SDP) چارچوبی اصولی برای استرخای محدب قیود هندسی غیرمحدب در برنامه‌ریزی حرکت فراهم می‌کند، اما حل‌کننده‌های موجود برای کنترل بلادرنگ، به ویژه در سیستم‌های تعبیه‌شده با منابع محدو…

انتخاب پلن

torobpay
هر قسط با ترب‌پی: تومان62,488
۴ قسط ماهانه. بدون سود، چک و ضامن.
شناسه محصول: SuperPaper-0000000081 دسته: ,

📚 محتوای این محصول آموزشی (پکیج کامل)

💡 این محصول یک نسخهٔ کامل و جامع است

تمامی محتوای آموزشی این کتاب در قالب یک بسته‌ی کامل و یکپارچه ارائه می‌شود و شامل تمام نسخه‌ها و فایل‌های موردنیاز برای یادگیری است.

🎁 محتویات کامل بسته دانلودی

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل کتاب‌ها، تمرین‌ها و خودآزمایی .


ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود و نسخهٔ چاپی ندارد.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های کتاب همانجا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

TinySDP: بهینه‌سازی نیمه‌معین بلادرنگ برای رباتیک لبه گواه‌شده و چابک

TinySDP: Real Time Semidefinite Optimization for Certifiable and Agile Edge Robotics

نویسندگان: Ishaan Mahajan, Jon Arrizabalaga, Andrea Grillo, Fausto Vega, James Anderson, Zachary Manchester, Brian Plancher

شناسه منبع: arxiv / 2605.13748

دسته: Robotics,Systems and Control,Optimization and Control

چکیده (فارسی)

برنامه‌ریزی نیمه‌معین (SDP) چارچوبی اصولی برای استرخای محدب قیود هندسی غیرمحدب در برنامه‌ریزی حرکت فراهم می‌کند، اما حل‌کننده‌های موجود برای کنترل بلادرنگ، به ویژه در سیستم‌های تعبیه‌شده با منابع محدود، از نظر محاسباتی بسیار پرهزینه هستند. برای رفع این مشکل، ما TinySDP را معرفی می‌کنیم، اولین حل‌کننده برنامه‌ریزی نیمه‌معین که برای سیستم‌های تعبیه‌شده طراحی شده است و امکان کنترل پیش‌بین مدل (MPC) بلادرنگ را بر روی میکروکنترلرها برای مسائلی با قیود مانع غیرمحدب فراهم می‌کند. رویکرد ما، پروجکشن‌های مخروط نیمه‌معین مثبت را در یک حل‌کننده ADMM مبتنی بر ریکاتی کش‌دار ادغام می‌کند و از ساختار محاسباتی برای قابلیت پردازش در سیستم‌های تعبیه‌شده بهره می‌برد. ما این حل‌کننده را با یک گواهی رتبه-۱ پس از وقوع (a posteriori) جفت می‌کنیم که راه‌حل‌های استرخا شده را در هر گام زمانی به تضمین‌های هندسی صریح تبدیل می‌کند. در بنچمارک‌های چالش‌برانگیز، به عنوان مثال، سناریوهای اجتناب از موانع بن‌بست و موانع پویا که باعث شکست روش‌های محلی می‌شوند، TinySDP ناوبری بدون برخورد را با مسیرهایی تا ۷۳٪ کوتاه‌تر از خطوط مبنای پیشرفته‌ترین روش‌ها به دست می‌آورد. ما رویکرد خود را بر روی یک کوادکوپتر Crazyflie اعتبارسنجی می‌کنیم و نشان می‌دهیم که قیود نیمه‌معین را می‌توان با نرخ بلادرنگ برای رباتیک تعبیه‌شده چابک اعمال کرد.

Abstract (English)

Semidefinite programming (SDP) provides a principled framework for convex relaxations of nonconvex geometric constraints in motion planning, yet existing solvers are too computationally expensive for real-time control, particularly on resource-constrained embedded systems. To address this gap, we introduce TinySDP, the first semidefinite programming solver designed for embedded systems, enabling real-time model-predictive control (MPC) on microcontrollers for problems with nonconvex obstacle constraints. Our approach integrates positive-semidefinite cone projections into a cached-Riccati-based ADMM solver, leveraging computational structure for embedded tractability. We pair this solver with an a posteriori rank-1 certificate that converts relaxed solutions into explicit geometric guarantees at each timestep. On challenging benchmarks, e.g., cul-de-sac and dynamic obstacle avoidance scenarios that induce failures in local methods, TinySDP achieves collision-free navigation with up to 73% shorter paths than state-of-the-art baselines. We validate our approach on a Crazyflie quadrotor, demonstrating that semidefinite constraints can be enforced at real-time rates for agile embedded robotics.

دیدگاهها

هیچ دیدگاهی برای این محصول نوشته نشده است.

اولین نفری باشید که دیدگاهی را ارسال می کنید برای “مقاله TinySDP: بهینه‌سازی نیمه‌معین بلادرنگ برای رباتیک لبه گواه‌شده و چابک”

نشانی ایمیل شما منتشر نخواهد شد. بخش‌های موردنیاز علامت‌گذاری شده‌اند *

پیمایش به بالا