Publikationer från KTH
Not a member yet
57933 research outputs found
Sort by
Utforskning av ineffektivitet i GPU-baserade implementationer för syntes av tidigare osedda vyer i dynamiska scener : Begränsningar i Moderna Datorseendemodeller och Möjliga Förbättringar
No full textThis thesis investigates the computational inefficiencies in existing machine learning models for novel view synthesis, which is the task of generating images of observed scenes from new view points. Modern models are analyzed, and three models are selected for a detailed examination of their implementation. The goal is to identify factors that limit the efficiency of these models during both inference and training phases and to optimize them. Inefficiencies can arise from poor implementations or suboptimal resource usage, especially when memory is not properly reused across training iterations or when hardware, particularly Graphics Processing Units (GPUs), are not fully utilized. The thesis addresses the question: What are the limiting factors in current implementations of dynamic scene novel view synthesis, and how can they be mitigated? While many studies present unoptimized models to demonstrate capabilities, this research focuses on improving computational efficiency without altering the underlying model architecture, which would require extensive retraining and benchmarking—beyond the scope of this project. This problem was addressed by utilizing tools such as the PyTorch profiler to measure the time spent in various functions, helping to identify performance bottlenecks. Additionally, custom kernels were analyzed using the NVIDIA Nsight suite to uncover inefficiencies in their execution. These insights allowed for targeted optimizations that significantly improved runtime performance. The findings indicate substantial improvements when tensor operations, typically written in PyTorch, are translated into custom CUDA kernels, yielding up to an 80% reduction in runtime. However, implementing a backward function for integration with PyTorch’s automatic differentiation engine presents a challenge. Additionally, the optimization of a specific CUDA kernel resulted in a 75% reduction in its runtime, translating into a nearly 20% reduction in total training time for the model. These results highlight that even modest efforts to optimize existing models can yield significant improvements, underscoring the importance of GPU programming knowledge for developers aiming to build more efficient machine learning systems.Denna avhandling undersöker de beräkningsmässiga ineffektiviteteterna i befintliga maskininlärningsmodeller för ny vy-syntes, vilket är uppgiften att generera bilder av observerade scener från nya vyer. Moderna modeller analyseras, och tre modeller väljs ut för en detaljerad granskning av deras implementation. Målet är att identifiera faktorer som begränsar effektiviteten hos dessa modeller under både inferens- och träningsfaser och att optimera dem. Ineffektivitet kan uppstå från bristfälliga implementationer eller suboptimal resursanvändning, särskilt när minne inte återanvänds på ett effektivt sätt mellan träningsiterationer eller när hårdvaran, särskilt grafikkort (GPU:er), inte utnyttjas fullt ut. Uppsatsen behandlar frågan: Vilka är de begränsande faktorerna i nuvarande implementeringar av ny vy-syntes för dynamiska scener, och hur kan de åtgärdas? Även om många studier presenterar ooptimerade modeller för att demonstrera kapabiliteter, fokuserar denna forskning på att förbättra beräkningsmässig effektivitet utan att ändra den underliggande modellarki- tekturen, vilket skulle kräva omfattande omträning och benchmarking—utöver detta projekts omfattning. Problemet adresserades genom att använda verktyg som PyTorch profiler för att mäta den tid som spenderades i olika funktioner, vilket hjälpte till att identifiera prestandaflaskhalsar. Dessutom analyserades anpassade kärnor med hjälp av NVIDIA Nsight-sviten för att avslöja ineffektivitet i deras körning. Dessa insikter gjorde det möjligt att genomföra riktade optimeringar som avsevärt förbättrade körtidsresultaten. Resultaten visar på betydande förbättringar när tensoroperationer, van- ligtvis skrivna i PyTorch, översätts till anpassade CUDA-kärnor, vilket ger en upp till 80% minskning av körtid. Att implementera en bakåt funktion för integration med PyTorchs automatiska differentiationsmotor är dock en utmaning. Dessutom resulterade optimeringen av en specifik CUDA-kärna i en 75% minskning av dess körtid, vilket resulterade i en nästan 20% minskning av den totala träningstiden för modellen. Dessa resultat belyser att även blygsamma ansträngningar för att optimera befintliga modeller kan ge betydande förbättringar, vilket understryker vikten av GPU-programmeringskunskaper för utvecklare som vill bygga mer effektiva maskininlärningssystem
Finita-element-analys av värmeledning i en satellitdator
No full textIn this thesis, an FE model for heat transfer analysis of the of a satellite computer has been constructed. Comparisons have been made between the simulations and real world test data acquired by Thermal Vacuum Chamber Testing data of assembled computers. By deeming the simulation results acceptably accurate, the FE model was used to explore the cooling structure design space. A design replacing parts of the aluminium structure found in the original design with a simplified model of a so called copper strap together with novel thermal interfacing materials has been simulated. The simulations show that there are gains to be found in replacing the solid structure with better performing designs. In addition to trialing new designs, the parameter sensitivity of the FE model has been studied by varying certain heat transfer parameters showing that the contact resistance in the thermal interface material impacts the heat transfer performance in the simulation more than the other parameters studied. The findings in the simulation work have been condensed into best practices and guidelines for satellite computers of similar form factor as well as suggestions for future designs attempted by the company.I det här arbetet har en Finita Element-modell (FE-modell) för värmeledningsanalys av en satellitdator har konstruerats. För att verifiera modellens tillförlitlighet testresultat från tester på satellitdatorer utförd i termisk vakuumkammare jämförts med FE-modellens simuleringsresultat. Då tillförlitligheten i FE-modellen är verifierad, har förändringar i den ursprungliga designen gjorts för att öka kylprestandan. Förändringarna av designen är materialbyte till ett material med högre värmeledningsförmåga och en flexibel koppar-komponent. Förändringarna har implementerats i modellen och testats genom simulering. Simuleringsresultaten med de utförda förändringarna indikerar ökad termisk prestanda för datorn jämfört med ursprunglig design. För att utforska olika ingående paramterars påverkan på simuleringsresultaten har en känslighetsstudie utförts, som visar att prestandan på de "termiskt bryggande" kylkuddar som används genomgående i datorn har störst inverkan på resultaten. Denna studie i värmeledningsprestandan för satellitdatorn och dess slutsatser har sammanställts i form av riktlinjer för design av kylstrukturer i satellitdatorer och designförslag för utformning av satellitdatorer
Communication and Control Co-Design with Data-Driven Safety Guarantees for Networked Robots
No full textCellular communication networks, originally designed for mobile phones, are increasingly being used by autonomous robots that require reliable connectivity to perform complex tasks. Advancements in artificial intelligence are enabling new applications for unmanned aerial vehicles, connected autonomous vehicles, and industrial mobile robots. However, many robots lack the onboard computational resources to run advanced algorithms and must offload processing to edge servers via the communication network. This introduces new challenges, as transmitting large volumes of sensor data can lead to network congestion, especially in multi-robot deployments. To address this, communication-control co-design has emerged as a critical research direction, enabling robots to adapt their behaviors to network conditions and maintain safe, efficient operation with limited resources. The overall objective of this thesis is to propose a new co-design framework for connected mobile robots. Specifically, we investigate how to adaptively trade off communication and control performance while guaranteeing safe navigation usingsensor-based localization. This is important for industrial mobile robots operating in indoor environments such as factories and warehouses, where satellite-based positioning is not an option, but could also be relevant for robots operating in environments with limited or no satellite visibility, such as mines, dense forests, and urban environments. This thesis consists of two main contributions. First, we design a motion controller for a mobile robot to achieve safe navigation among obstacles only detectable by external sensors. Since the robot cannot detect these obstacles with its own sensors, it must avoid them based on its estimated position and a known obstacle map. To account for imperfections in the estimated position, we incorporate a safety filter based on a robust Control Barrier Function that is designed to prevent collisions for a worst-case error in localization. This error is obtained by measuring the error between the estimated and the true position using experimental data. We then demonstrate that the proposed method ensures safe navigation in experiments with a Mobile YuMi Research Platform, a real mobile robot. Second, we propose a co-design framework for connected robots that must transmit sensor data over the network to receive updated position estimates from a localization algorithm offloaded to the edge. Since the robot’s motion also influences the accuracy of the localization, we co-design the communication and control strategy to achieve a desired level of localization uncertainty. By deriving this uncertainty requirement from a safety constraint based on the robot’s distance to mapped obstacles, we can verify that the robot navigates safely. The approach is validated in experiments with a real robot, demonstrating that a trade-off between communication and speed can be achieved without compromising safety.Mobila nätverk, som ursprungligen utvecklades för mobiltelefoner, används i allt större utsträckning av autonoma robotar som kräver tillförlitlig uppkoppling föratt kunna utföra komplexa uppgifter. Framsteg inom artificiell intelligens möjliggör nya tillämpningar för obemannade drönare, uppkopplade autonoma fordon och industriella mobila robotar. Många robotar saknar dock den beräkningsförmåga som krävs för avancerade algoritmer och måste därför skicka sin sensordata till edge-servrar som algoritmerna också kan avlastas till. Detta medför nya utmaningar om många robotar använder nätverket samtidigt, eftersom överföring av stora mängder sensordata kan överbelasta nätverket. Ett allt viktigare forskningsområde är därmed samdesign av kommunikation och styrning för mobila robotar. Samdesign kan användes till att anpassa en robots beteende efter nätverkets förutsättningar för att bibehålla säker och effektiv drift med begränsade resurser. Det övergripande målet med denna avhandling är att föreslå ett nytt ramverk för samdesign för uppkopplade robotar. Specifikt vill vi hitta en avvägning mellankommunikations- och styrprestanda samtidigt som vi garanterar säker navigation med sensorbaserad positionering. Detta är särskilt viktigt för industriella mobila robotar i till exempel lager och fabriker, där satellitbaserad positionering inte är ett alternativ. Det är även relevant för mobila robotar i andra miljöer där satellitsignaler kan blockeras, såsom gruvor, täta skogar och bland höghus i städer. Avhandlingen består av två huvudsakliga bidrag. I det första bidraget designar vi styrningen av en mobil robot för att möjliggöra säker navigering bland hinder som endast kan upptäckas av externa sensorer. Eftersom roboten inte kan upptäcka dessa hinder med sina egna sensorer, måste den undvika dem baserat på sin uppskattade position i en karta av kända hinder. För att ta hänsyn till osäkerheter i positioneringen inför vi ett säkerhetsfilter baserat på en robust Control Barrier Function. Filtret designas för att undvika kollisioner givet en övre gräns för lokaliseringsfelet. Vi utför hårdvaruexperiment med en Mobile YuMi Research Platform för att bestämma den övre gränsen på lokaliseringsfelet, samt för att demonstrera hur den föreslagna metoden undviker kollisioner. Därefter, i det andra bidraget, presenterar vi ett ramverk med samdesign för uppkopplade robotar som behöver överföra sensordata över nätverket för att få uppdaterad position från en lokaliseringsalgoritm som avlastats till en edge-server. Eftersom robotens rörelse också påverkar lokaliseringsnoggrannheten samdesignar vi kommunikation och styrning för att uppnå en önskad nivå av lokaliseringsosäkerhet. Genom att härleda ett osäkerhetskrav från ett säkerhetsvillkor baserat på robotens avstånd till kartlagda hinder kan vi verifiera att roboten navigerar säkert. Metoden valideras i hårdvaruexperiment som visar att en avvägning mellan kommunikationoch hastighet kan uppnås utan att kompromissa med säkerheten.QC 20250505</p
Utvärdering av aerodynamisk prestanda och partikeldynamik i en ny klimatvindtunnel med CFD
No full textContaminants such as dirt, mud, snow and rain can impair driver visibility and sensor functionality making driving in adverse weather conditions a safety concern. This study focuses on rain contamination of a passenger vehicle in three different wind tunnels at Volvo Cars: an aerodynamic wind tunnel with slotted walls, an old climatic wind tunnel, and a new climatic wind tunnel, both with open jet layouts. The research aims to investigate their airflow and particle transport properties to understand the unique characteristics of each tunnel and their suitability for specific applications. The investigation is conducted through CFD simulations of the wind tunnels, examining the airflow and particle dynamics in the empty test sections first, and then with a test vehicle. The findings highlight a different sensitivity of each tunnel to boundary interference, such as blockage effects and horizontal buoyancy. The more sensitive a wind tunnel is to such effects, the more the flow field will differ from open road driving and consequently the way the particles are transported. The results indicate that the aerodynamic wind tunnel closely replicates open road conditions, providing reliable drag measurements and acts as a baseline for soiling pattern. The old climatic wind tunnel shows significant flow acceleration and over-expansion due to its smaller nozzle and the vehicle being very close to it, which makes it too sensitive to blockage effects leading to inaccurate force measurements and peculiar soiling patterns due to the shear layer influence. The new climatic wind tunnel demonstrates a more moderate sensitivity to boundary interference effects, with a wider nozzle and increased distance to the vehicle, offering a balanced approach for both aerodynamic and contamination testing. In summary each wind tunnel provides different vehicle soiling patterns that could be more or less realistic to the driving scenarios of the customers. This research provides valuable insights into the design and optimization of wind tunnels for automotive testing. It emphasizes the importance of considering boundary interference effects in different wind tunnel layouts and underlines how fundamental it is to clearly outline the specific goals of different tests as their relevance could be questioned. The findings contribute to the development of safer vehicles by proposing multiple testing conditions.Föroreningar som smuts, lera, snö och regn kan försämra förarens sikt och sensorfunktioner, vilket gör körning under ogynnsamma väderförhållanden till ett säkerhetsproblem. Denna studie fokuserar på regnkontamination av ett passagerarfordon i tre olika vindtunnlar hos Volvo Personvagnar: en aerodynamisk vindtunnel med slitsade väggar, en gammal klimatvindtunnel och en ny klimatvindtunnel, båda med öppna jetplanlösningar. Forskningen syftar till att undersöka deras luftflödes- och partikeltransportegenskaper för att förstå varje tunnels unika egenskaper och deras lämplighet för specifika tillämpningar. Undersökningen genomfördes genom CFD-simuleringar av vindtunnlarna, där luftflödet och partikeldynamiken först undersöktes då testsektionerna var tomma och sedan med ett insatt testfordon. Resultaten visar att varje tunnel är känslig för gränsinterferens, såsom blockeringseffekter och horisontell flytkraft. Ju känsligare en vindtunnel är för sådana effekter, desto mer kommer flödesfältet att skilja sig från körning på öppen väg och följaktligen det sätt på vilket partiklarna transporteras. Resultaten indikerar att den aerodynamiska vindtunneln nära replikerar öppna vägförhållanden, ger tillförlitliga luftmotståndsmätningar och fungerar som referens för nedsmutsningsmönster. Den gamla klimatvindtunneln uppvisar betydande flödesacceleration och överexpansion på grund av dess mindre munstycke och att fordonet är mycket nära det, vilket gör det för känsligt för blockeringseffekter som leder till felaktiga kraftmätningar och speciella nedsmutsningsmönster på grund av skjuvskiktets påverkan. Den nya klimatvindtunneln uppvisar en mer måttlig känslighet för gränsinterferenseffekter, med ett bredare munstycke och ökat avstånd till fordonet, vilket erbjuder ett balanserat tillvägagångssätt för både aerodynamik- och föroreningstester. Sammanfattningsvis ger varje vindtunnel olika fordonsnedsmutsningsmönster som kan vara mer eller mindre realistiska för kundernas körscenarier. Denna forskning ger värdefulla insikter om design och optimering av vindtunnlar för fordonstestning. Det understryker vikten av att beakta gränsinterferenseffekter i olika vindtunnellayouter och understryker hur grundläggande det är att tydligt beskriva de specifika målen för olika tester eftersom deras relevans kan ifrågasättas. Resultaten bidrar till utvecklingen av säkrare fordon genom att föreslå flera testförhållanden
The teacher's guide's way of communicating with the teacher – within the subject of technology
No full textThe materials and artefacts utilized by teachers and students play a crucial role in education. In a subject like technology, where many teachers feel they do not have sufficient competence, curriculum materials such as textbooks and teacher guides provide important support for teachers. Teacher guides, in particular, have the potential to support teachers in different ways. The guidance provided in a teacher's guide can be either directive and talk through the teacher, i.e. telling the teacher what to do, or educative and talk to the teacher, i.e. telling the teacher how to do it and why to do it this way, thereby providing the teacher with knowledge to better understand the teaching of the subject. In this study, we analyze a teacher's guide for grades 7-9 to find out what kind of support it provides the teacher. An adapted framework for the design principles of educative curriculum materials was used. The analysis shows that this particular teacher's guide mostly talks through the teacher, giving the teacher directives on how to teach but without explaining why or suggesting other possible ways. The few educative features found are short and not very detailed. The support an educative teacher's guide could providewould give the teacher agency over their teaching and a better possibility to adapt teaching to situations and students. However, we see little of that kind of guidance in the teacher's guide analyzed in this study and conclude by outlining the possible consequences for technology education.QC 20250513n
Enumerative and matroidal aspects of rook placements
No full textSimply construed, combinatorics entails the counting and classifying of finite objects. Such objects vary from permutations and graphs, to posets and matroids; they have in common the idea of a device that represents discrete data. Enumerative combinatorics deals with the exact or asymptotic enumeration of this data. Rook theory is the enumerative study of non-attacking rook placements on a board and matroid theory is the combinatorial abstraction of the notion of linear independence in linear algebra. In this dissertation, we will describe a new connection between rook theory and matroid theory, and study some consequences of this connection. In a different direction, we will build new tools to study the combinatorial features of the set of all points equidistant from two fixed points, where the notion of distance comes from a polytope. Across this work, the following three perspectives are employed to understand combinatorial data: (a) discrete and convex geometric objects like polyhedra and polyhedral~complexes; (b) bijective methods; and (c) the geometry of polynomials. This thesis is divided into two parts. The first part consists of Paper A on the geometric combinatorial theory of bisectors. A polyhedral norm is a notion of distance arising from centrally symmetric polytopes; they have found application in modelling problems in areas ranging from algebraic statistics, topological data analysis, robotics, and crystallography. The bisector associated to any polyhedral norm is a polyhedral complex whose maximal cells are labeled by pairs of facets of the polytope. We identify precisely which maximal cells are present, and in doing so, systematize the study of the bisection fan of a polytope, a tool that captures fundamental combinatorial information about the structure of the bisector. We focus on four fundamental notions of distance ---polygonal norms, || · ||1 and || · ||∞ norms, and the discrete Wasserstein norm. In each of these cases, we give an explicit combinatorial description of the bisection fan, thereby extending work of Criado, Joswig, and Santos (2022). The second part of this thesis --- spanned by Papers B,C, and D --- is concerned with novel enumerative and matroidal properties of rook placements. In particular, in Paper B, we introduce and define a new matroid whose bases are the set of non-nesting rook placements on a skew Ferrers board; this establishes the first known bridge between rook theory and matroid theory. The structure of rook matroids is interesting: they form a subclass of both transversal matroids and positroids. In this regard, and through the skew shape association, rook matroids bear a striking resemblance to lattice path matroids. We explore this connection in depth by (a) proving a precise criterion for when a rook matroid and lattice path matroid are isomorphic; (b) proving that despite the failure of isomorphism in general, rook matroids and lattice path matroids have the same Tutte polynomial; and (c) proving that every lattice path matroid is a certain contraction of a rook matroids, thereby obtaining a new perspective on results of de Mier--Bonin--Noy (2004) and Oh (2011). We then apply this matroid structure to two enumerative problems that bear no relation to one another at first glance. The first is determining the precise distributional property satisfied by the generating polynomial of the set of non-nesting rook placements on a skew shape. This question is motivated by the famous Heilmann--Lieb theorem on the real-rootedness of the matching polynomial. In contrast to the case of unrestricted rook placements, the polynomial in question satisfies ultra-log-concavity, but not real-rootedness. The second enumerative problem concerns the log-concavity consequence of the Neggers--Stanley conjecture. The (P, ω)-Eulerian polynomial --- the descent-generating polynomial of the set of (inverses of) linear extensions of a labeled poset (P, ω) --- was introduced by Stanley (1972) in his PhD thesis and was conjectured to be real-rooted, first by Neggers (1978) and later by Stanley (1986) himself. It was eventually disproven, in one formulation by Brändén (2005) and in another by Stembridge (2007). The natural follow-up question, also a conjecture of Brenti (1989), is whether the (P, ω)-Eulerian polynomial is log-concave in general. We provide an affirmative answer to this conjecture in the case when (P, ω) is a naturally labeled poset of width two, by combining two ideas: a classical bijection known in the theory of distributive lattices, and the Brändén--Huh theory of Lorentzian polynomials. In Paper D, the positroidal structure of non-nesting rook placements is explored in greater depth. Some consequences include a new proof of the positroid structure and an inequality description of the base polytope of the rook matroid using only the combinatorics of the underlying skew shape. Answering a question of Lam (2024), we characterize rook matroids from the positroidal point of view. In Paper C, we establish the real-rootedness of the generating polynomial of complete rook placements on Ferrers boards, enumerated by the number of ascents. This set of rook placements is interesting in connection with the natural poset--theoretic structure that it has: the lower interval of 312-avoiding permutations in the Bruhat order. This polynomial also represents another yet another generalization of the classical Eulerian polynomials; it is similar to but distinct from the generalization introduced by Savage and Visontai (2015). QC 2025-05-14</p
Orientation selectivity properties for integrated affine quasi quadrature models of complex cells
No full textThis paper presents an analysis of the orientation selectivity properties of idealized models of complex cells in terms of affine quasi quadrature measures, which combine the responses of idealized models of simple cells in terms of affine Gaussian derivatives by (i) pointwise squaring, (ii) summation of responses for different orders of spatial derivation and (iii) spatial integration. Specifically, this paper explores the consequences of assuming that the family of spatial receptive fields should be covariant under spatial affine transformations, thereby implying that the receptive fields ought to span a variability over the degree of elongation. We investigate the theoretical properties of three main ways of defining idealized models of complex cells and compare the predictions from these models to neurophysiologically obtained receptive field histograms over the resultant of biological orientation selectivity curves. It is shown that the extended modelling mechanisms lead to more uniform behaviour and a wider span over the values of the resultat that are covered, compared to earlier presented idealized models of complex cells without spatial integration. More generally, we propose (i) to include a variability over the degree of elongation of the receptive fields in functional models of complex cells, and that (ii) the presented methodology with comparisons to biological orientation selectivity curves and orientation selectivity histograms could be used as a new tool to evaluate other computational models of complex cells in relation to biological measurements.Covariant and invariant deep network
Black-Box Variational Inference : Mixture Models, Efficient Learning, and Applications
No full textWe advance Black-Box Variational Inference (BBVI) by improving its flexibility, scalability, and applicability to real-world challenges. In Paper I, we demonstrate that integrating mixture-based variational distributions into VAEs—leveraging adaptive importance sampling—enhances posterior expressiveness and mitigates mode collapse in applications such as image and single- cell analysis. Paper II introduces MISVAE, along with two novel ELBO estimators—Some-to-All and Some-to-Some—which enable efficient training with hundreds of mixture components and achieve state-of-the-art performance on the MNIST and Fashion-MNIST datasets. Paper III shifts focus to real-world applications by presenting the Klarna Product Page Dataset, a diverse benchmark for web element nomination, where we achieve strong performance by benchmarking GNNs in combination with GPT-4. Additionally, the dataset has been leveraged in generative modeling tasks, facilitating the learning of latent web page representations and the generation of complex web interfaces using VAEs. Finally, Paper IV provides new smoothness results and gradient variance bounds for BBVI under non-linear scale parameterizations, highlighting advantages in large-data regimes. Collectively, these contributions extend the frontiers of BBVI for tackling high-dimensional, structured data in both theory and practice.Vi bidrar till Black-Box Variational Inference (BBVI) genom att förbättra dess flexibilitet, skalbarhet och tillämpbarhet för praktiska tillämpningar. I Paper I visar vi att integrationen av mixture-baserade variational-fördelningar i VAEs – med hjälp av adaptiv importance sampling – förbättrar posteriorfördelningens uttrycksfullhet och motverkar modekollaps i tillämpningar såsom bild- och single-cell-analys. Paper II introducerar MISVAE tillsammans med nya ELBO-estimatorer (Some-to-All och Some-to-Some), vilka möjliggör effektiv träning med hundratals mixture-komponenter och ger resultat i framkant på MNIST och Fashion-MNIST. Paper III fokuserar på praktiska tillämpningar genom att presentera Klarna Product Page Datasetet, ett mångsidigt benchmark för nominering av webbelement, där vi uppnår starka resultat genom att benchmarka GNN:er i kombination med GPT-4. Dessutom har datasetet använts i generativa modelleringsuppgifter, vilket underlättar inlärningen av latenta representationer av webbsidor samt genereringen av komplexa webbgränssnitt med hjälp av VAEs. I Paper IV utforskar vi de teoretiska grunderna för BBVI med icke-linjära skalparametriseringar, såsom exponentiella och softplus-transformationer. Vi härleder nya strukturella resultat och gradientvariansgränser och visar att icke-linjära parametriseringar förbättras med stora dataset. Genom dessa bidrag skapar avhandlingen en länk mellan teoretiska framsteg och praktiska tillämpningar. Således lyfter avhandlingen fram hur flexibla och effektiva probabilistiska inferensmetoder kan hantera högdimensionella och strukturerade dataproblem inom både forskning och industri. QC 20250521</p
Utilizing Large Language Models for Ablation Studies in Machine Learning and Deep Learning
No full textIn Machine Learning (ML) and Deep Learning (DL) research, ablation studies are typically performed to provide insights into the individual contribution of different building blocks and components of an ML/DL system (e.g., a deep neural network), as well as to justify that certain additions or modifications to an existing ML/DL system can result in the proposed improved performance. Although dedicated frameworks for performing ablation studies have been introduced in recent years, conducting such experiments is still associated with requiring tedious, redundant work, typically involving maintaining redundant and nearly identical versions of code that correspond to different ablation trials. Inspired by the recent promising performance of Large Language Models (LLMs) in the generation and analysis of ML/DL code, in this paper we discuss the potential of LLMs as facilitators of ablation study experiments for scientific research projects that involve or deal with ML and DL models. We first discuss the different ways in which LLMs can be utilized for ablation studies and then present the prototype of a tool called AblationMage, that leverages LLMs to semi-automate the overall process of conducting ablation study experiments. We showcase the usability of AblationMage as a tool through three experiments, including one in which we reproduce the ablation studies from a recently published applied DL paper.QC 20250303</p
Approach-constrained Grasp Synthesis and Interactive Perception for Rigid and Deformable Objects
No full textThis thesis introduces methods for two robotic tasks: grasp synthesis and deformable object manipulation. These tasks are connected by interactive perception, where robots actively manipulate objects to improve sensory feed-back and task performance. Achieving a collision-free, successful grasp is essential for subsequent interaction, while effective manipulation of deformable objects broadens real-world applications. For robotic grasp synthesis, we address the challenge of approach-constrained grasping. We introduce two methods: GoNet and CAPGrasp. GoNet learns a grasp sampler that generates grasp poses with approach directions that lie in a selected discretized bin. In contrast, CAPGrasp enables sampling in a continuous space without requiring explicit approach direction annotations in the learning phase, improving the grasp success rate and providing more flexibility for imposing approach constraint. For robotic deformable object manipulation, we focus on manipulating deformable bags with handles—a common daily human activity. We first propose a method that captures scene dynamics and predicts future states in environments containing both rigid spheres and a deformable bag. Our approach employs an object-centric graph representation and an encoder-decoder framework to forecast future graph states. Additionally, we integrate an active camera into the system, explicitly considering the regularity and structure of motion to couple the camera with the manipulator for effective exploration. To address the common data scarcity issue in both domains, we also develop simulation environments and propose annotated datasets for extensive benchmarking. Experimental results on both simulated and real-world platforms demonstrate the effectiveness of our methods compared to established baselines.Denna avhandling introducerar metoder för två robotuppgifter: grepp-syntes och manipulering av deformerbara objekt. Dessa uppgifter är sam-mankopplade genom interaktiv perception, där robotar aktivt manipulerar objekt för att förbättra sensorisk feedback och uppgiftsutförande. Att uppnå ett kollisionsfritt, framgångsrikt grepp är avgörande för efterföljande interak-tion, medan effektiv manipulering av deformerbara objekt breddar verkliga tillämpningar. För robotisk greppsyntes tar vi oss an utmaningen med tillvägagångssätt-begränsat grepp. Vi introducerar två metoder: GoNet och CAPGrasp. GoNet lär sig en gripsamplare som genererar gripposer med inflygningsriktningar som ligger i en vald diskretiserad bin. CAPGrasp, däremot, möjliggör sampling i ett kontinuerligt utrymme utan att kräva explicita tillvägagångssättsanvisningar i inlärningsfasen, vilket förbättrar greppets framgångsfrekvens och ger mer flexibilitet för att införa begränsningar för tillvägagångssätt. För robotmanipulering av deformerbara föremål fokuserar vi på att manipulera deformerbara påsar med handtag - en vanlig mänsklig aktivitet. Vi föreslår först en metod som fångar scenens dynamik och förutsäger framti-da tillstånd i miljöer som innehåller både stela sfärer och en deformerbar påse. Vårt tillvägagångssätt använder en objektcentrerad grafrepresentation och ett ramverk för kodare-avkodare för att förutsäga framtida graftillstånd. Dessutom integrerar vi en aktiv kamera i systemet, och tar uttryckligen hänsyn till rörelsens regelbundenhet och struktur för att koppla ihop kameran med manipulatorn för effektiv utforskning. För att ta itu med det vanliga problemet med databrist i båda domänerna utvecklar vi också simuleringsmiljöer och föreslår kommenterade datauppsättningar för omfattande benchmarking. Experimentella resultat på både simulerade och verkliga plattformar visar effektiviteten hos våra metoder jämfört med etablerade baslinjer.QC 20250514</p