[論文レビュー] A Certifiably Correct Algorithm for Synchronization over the Special Euclidean Group

David M. Rosen, Luca Carlone+2 more|arXiv (Cornell University)|Nov 1, 2016

Topological and Geometric Data Analysis被引用数 8

ひとこと要約

本稿では、特殊ユークリッド群 SE(d) 上での同期処理のための証明可能に正しいアルゴリズムである SE-Sync を提示する。この手法は、ポーズグラフSLAMや関連する幾何推定問題に対して、グローバル最適解を効率的に計算する。低ランクな半定値緩和とリーマン多様体のトレuncated-ニュートン信頼領域法を活用することで、SE-Sync は局所的最適化手法と同等の計算効率を達成するとともに、グローバル最適性の事後的検証を可能にし、ロボティクスの応用で一般的なノイズレベルよりも1桁高いノイズ環境下でも正確な解を回復できる。

ABSTRACT

Many geometric estimation problems take the form of synchronization over the special Euclidean group: estimate the values of a set of poses given noisy measurements of a subset of their pairwise relative transforms. This problem is typically formulated as a maximum-likelihood estimation that requires solving a nonconvex nonlinear program, which is computationally intractable in general. Nevertheless, in this paper we present an algorithm that is able to efficiently recover certifiably globally optimal solutions of this estimation problem in a non-adversarial noise regime. The crux of our approach is the development of a semidefinite relaxation of the maximum-likelihood estimation whose minimizer provides the exact MLE so long as the magnitude of the noise corrupting the available measurements falls below a certain critical threshold; furthermore, whenever exactness obtains, it is possible to verify this fact a posteriori, thereby certifying the optimality of the recovered estimate. We develop a specialized optimization scheme for solving large-scale instances of this semidefinite relaxation by exploiting its low-rank, geometric, and graph-theoretic structure to reduce it to an equivalent optimization problem on a low-dimensional Riemannian manifold, and then design a Riemannian truncated-Newton trust-region method to solve this reduction efficiently. We combine this fast optimization approach with a simple rounding procedure to produce our algorithm, SE-Sync. Experimental evaluation on a variety of simulated and real-world pose-graph SLAM datasets shows that SE-Sync is capable of recovering globally optimal solutions when the available measurements are corrupted by noise up to an order of magnitude greater than that typically encountered in robotics applications, and does so at a computational cost that scales comparably with that of direct Newton-type local search techniques.

研究の動機と目的

• SE(d) 上での同期処理におけるポーズ推定のグローバル最適解を計算するアルゴリズムを開発すること。この際、正しさの保証が明確に証明されること。
• 初期値の質が悪い、またはノイズの影響を受けるなどして、局所的最適化手法がしばしば部分最適解に収束するという問題を克服すること。
• 最大尤度推定問題の半定値緩和における低ランク性と幾何的構造を活用することで、証明可能な最適解を効率的に計算すること。
• 大規模な実世界のSLAMデータセットに対しても、グローバル最適性の証明を維持したままスケーリングすること。
• 反復的局所最適化手法の実用的代替手段を提供すること。高速な最適化と事後的最適性検証を統合すること。

提案手法

• ポーズ同期処理問題をSE(d)上での最大尤度推定問題として定式化し、非凸最適化問題に帰着する。
• ノイズが臨界閾値未満である場合に正確な最大尤度推定（MLE）を回復できる、最大尤度問題の半定値緩和を導入する。
• 緩和問題の低ランク構造を活用し、低次元のリーマン多様体上での等価最適化問題に還元する。
• 幾何的およびグラフ理論的構造を活かしたリーマン多様体のトレuncated-ニュートン信頼領域法を考案し、低次元問題を効率的に解く。
• 緩和解に対して単純なラウンド処理を適用し、SE(d)内での妥当な推定値を取得する。
• 同一の半定値緩和を用いた事後的検証により、緩和が正確である場合にグローバル最適性を証明する。

実験結果

リサーチクエスチョン

• RQ1 ノイズが有界な条件下で、SE(d)同期処理問題の半定値緩和を構築し、その最小値が正確なMLEを回復できるか。
• RQ2 得られた緩和問題が、その低ランク性と幾何的構造を活用することで、大規模スケールでも効率的に解けるか。
• RQ3 局所的最適化手法と同等の計算効率を達成しながら、グローバル最適性の証明を可能にするか。
• RQ4 特に回転成分におけるノイズ増加に対して、この手法はどれほど頑健か。
• RQ5 大規模な実世界のSLAMデータセットに対しても、正確性と検証能力を維持したままスケーリング可能か。

主な発見

• SE-Sync は、ロボティクスの応用で一般的なノイズレベルよりも1桁高いノイズ環境下でも、シミュレーションされたポーズグラフSLAM実験において、証明可能なグローバル最適解を回復できた。
• 特に低〜中程度のノイズ領域では、チャーディナル初期化を用いた標準的なガウス・ニュートン法と同等またはそれ以上の計算実行時間を達成した。
• 球体、トーラス、立方体、ガレージといった大規模な実世界データセットにおいて、SE-Sync は事後的検証手順により、一貫して最適解を回復した。
• 高回転ノイズ領域（σR ≈ 0.1 rad）では、半定値緩和が正確でなくなり、SE-Sync は良好な解を回復できなくなった。これは理論的閾値と整合的であった。
• チャーディナル初期化を用いたガウス・ニュートン法は高回転ノイズ環境下でも良好に動作するが、最適性の証明は不可能であるため、耐障害性と正しさの保証の間にはトレードオフがあることが示された。
• SE-Sync はノード数が最大8,000（例：立方体データセット）の問題に対しても、2.5分未満で解き、最適性証明と検証を維持したまま効果的にスケーリングできた。