Robotyka
Graduated non-convexity (GNC)
2020AktywnyOpublikowany
GNC to technika odpornej estymacji, która radzi sobie z dużą liczbą obserwacji odstających (outlierów) bez znajomości ich wag początkowych — stopniowo przechodzi od wygładzonego, wypukłego problemu do oryginalnego, niewypukłego.
Kluczowa
innowacja
Odporna estymacja z dużym odsetkiem outlierów bez inicjalizacji i bez wstępnej detekcji, dzięki homotopii wypukłej→niewypukłej.
Kategoria
Robotyka
Poziom abstrakcji
Wzorzec
Poziom operacji
Sterowanie robotemTrening
Jak działa
Wprowadza się parametr kontynuacji, który na początku czyni problem (niemal) wypukłym, a następnie jest stopniowo zmieniany tak, by funkcja kosztu dążyła do pierwotnego, odpornego estymatora. Na każdym etapie rozwiązuje się problem metodą iteracyjnie ważonych najmniejszych kwadratów, aktualizując wagi obserwacji; outliery są stopniowo wyłączane.
Rozwiązany problem
Odporne funkcje kosztu są niewypukłe i wrażliwe na inicjalizację; przy wielu outlierach (np. błędne domknięcia pętli, złe dopasowania cech) klasyczna optymalizacja utyka w złych minimach.