[論文レビュー] A Scalable and Distributed Solution to the Inertial Motion Capture Problem

Manon Kok, Sina Khoshfetrat Pakazad+3 more|arXiv (Cornell University)|Mar 21, 2016

Inertial Sensor and Navigation参考文献 18被引用数 6

ひとこと要約

本稿では、時間的およびセンサ基盤の問題構造を活用するための特化したメッセージパッシングを用いて、スケーラブルで分散型の最適化フレームワークをインertシャルモーションキャプチャに提示する。時間またはセンサ／セグメントの階層に基づいて変数を再順序付けすることにより、大規模なスムージング問題を効率的かつ超線形収束で解くことが可能となり、17台のセンサを用いた37秒間の下肢データで実証された。中央集権的なデータ収集を必要とせず、計算コストとストレージコストを削減しながら高い精度を達成する。

ABSTRACT

In inertial motion capture, a multitude of body segments are equipped with inertial sensors, consisting of 3D accelerometers and 3D gyroscopes. Using an optimization-based approach to solve the motion capture problem allows for natural inclusion of biomechanical constraints and for modeling the connection of the body segments at the joint locations. The computational complexity of solving this problem grows both with the length of the data set and with the number of sensors and body segments considered. In this work, we present a scalable and distributed solution to this problem using tailored message passing, capable of exploiting the structure that is inherent in the problem. As a proof-of-concept we apply our algorithm to data from a lower body configuration.

研究の動機と目的

• 最適化ベースのスムージングを用いた大規模インエラシャルモーションキャプチャにおける高い計算およびストレージ複雑性に対処すること。
• モーションキャプチャ問題に内在するスパarsityおよび構造的性質（時間的およびセンサ・セグメントのチェーン／ツリー構造）を活用して、スケーラブルな計算を実現すること。
• センサおよびボディセグメントに基づく変数の再順序付けにより分散計算を可能にし、中央集権的データ処理への依存を低減すること。
• 二階微分情報（SQP）とメッセージパッシングを組み合わせることで超線形収束を達成し、一次元手法を上回ること。
• 17台のインエラシャルセンサを用いた37秒間の実下肢モーションキャプチャデータにおいて、実用性および精度を実証すること。

提案手法

• 時間ステップごとに最適化問題を再順序付けして、直列的メッセージパッシングおよび動的計画法に適したチェーン構造を形成すること。
• センサおよびボディセグメントに基づいて再順序付けすることで、中央集権的なデータ集約を回避する分散計算を可能にすること。
• 各反復で探索方向を効率的に計算するために、順次二次計画法（SQP）とメッセージパッシングを組み合わせること。
• 時間の境界から中心に向かって前向きおよび後向きの両方向スキャンを実行する二重スキャン（二重スイープ）を適用し、標準的な動的計画法と比較して2倍の高速化を達成すること。
• ヘッセ行列および制約行列のスパarsityを活用して、大規模問題（46,998変数）の完全な行列の構築と保存を回避すること。
• 各センサ／セグメントが局所的にその部分問題を計算できる分散版を実装することで、通信を最小限に抑えながら分散型の解決を可能にすること。

実験結果

リサーチクエスチョン

• RQ1 中央集権的計算の限界を超えて、大規模インエラシャルモーションキャプチャ問題のスケーリングにメッセージパッシングを効果的に適用できるか？
• RQ2 時間ベースの再順序付けは、長時間のモーションキャプチャデータ処理においてどのように効率的かつスケーラブルな解決を可能にするか？
• RQ3 センサ／セグメントベースの再順序付けにより、解の精度を損なわず分散型・分散処理可能な計算が可能か？
• RQ4 最適化問題における構造的スパarsityを活用することで、計算およびストレージコストにどのような利点が得られるか？
• RQ5 本手法は、ビッグデータ問題で一般的に用いられる一次元手法と比較して、収束速度および精度でどのように優れているか？

主な発見

• 提案手法は、SQPによる二階微分情報に依存することで超線形収束を達成し、一次元手法の線形収束と比較して顕著に優れている。
• 時間ベースの再順序付けにより、問題がN_T - 1個の部分問題に分解され、完全なヘッセ行列を構築することなく、長期間のデータセット（例：373時間ステップ）の処理がスケーラブルに可能となった。
• 完全な問題のアセンブリを回避することで、時間ステップの数に対してストレージ要件を二次的からほぼ線形に削減した。
• 分散版では、各センサ／セグメントが独立して部分問題を計算できるため、中央集権的データストリーミングの必要性がなくなり、分散型デプロイメントが可能になった。
• アルゴリズムは[5]のオリジナル手法と同一のポーズ推定を生成し、計算効率を著しく向上させながらも、正確性を保証した。
• メッセージパッシングアルゴリズムは、両方向スキャンを用いることで、標準的な直列的動的計画法と比較して2倍の高速化を達成し、O(N_T)時間で探索方向を計算した。