Amortising Trajectory Optimisation for Residual MPC via Implicit Contact Differentiation
arXiv:2607.24959v1 Announce Type: new Abstract: Differentiable simulation can accelerate contact-rich trajectory optimisation by exposing local sensitivities of task outcomes to controls. Existing approaches either use finite differences, which are expensive and step-size sensitive; differentiate iterative contact solvers by unrolling automatic differentiation (AD), which stores a growing computation trace; or require intricate, solver-specific KKT sensitivity derivations. We introduce an AD-ass...
arXiv cs.RO
·Daniel Layeghi, Thomas Corb\`{e}res, Calum Arnott, Aditya Kamireddypalli, Hashim Al-Obaidi, Steve Tonneau, Michael Mistry
·
// relacionados
Leia também
Blog
Desenvolvedores de IA de fronteira pedem coordenação internacional para conter o ritmo da pesquisa automatizada antes que as capacidades superem o controle
Blog
A marca d'água SynthID do Google é difícil de burlar, mas não resolve a desinformação gerada por IA
Blog
Relatório da OpenAI associa agentes de programação a construções mais rápidas de softwares científicos
Blog