[論文レビュー] Passivity-Based Distributed Optimization with Communication Delays Using PI Consensus Algorithm

Takeshi Hatanaka, Nikhil Chopra+2 more|arXiv (Cornell University)|Sep 15, 2016

Distributed Control Multi-Agent Systems参考文献 31被引用数 5

ひとこと要約

本稿では、通信遅延を伴う相互作用エージェント間で、非制約および制約付き最適化問題を解くために、PI協調アルゴリズムを用いたパスファシティに基づく分散最適化フレームワークを提案する。パスファシティ理論とスキャッタリング変換を活用することで、時間遅延が存在しても最適解への正確な収束を保証する。実際の5台のカメラを用いた視覚的ヒューマンロケーション応用において検証された。

ABSTRACT

In this paper, we address a class of distributed optimization problems in the presence of inter-agent communication delays based on passivity. We first focus on unconstrained distributed optimization and provide a passivity-based perspective for distributed optimization algorithms. This perspective allows us to handle communication delays while using scattering transformation. Moreover, we extend the results to constrained distributed optimization, where it is shown that the problem is solved by just adding one more feedback loop of a passive system to the solution of the unconstrained ones. We also show that delays can be incorporated in the same way as the unconstrained problems. Finally, the algorithm is applied to a visual human localization problem using a pedestrian detection algorithm.

研究の動機と目的

• 分散最適化における通信遅延の課題に取り組み、マルチエージェントシステムにおける安定性の低下や収束の遅れを防ぐ。
• 時間遅延が存在する相互作用エージェント間通信においても、安定性と収束を保証するパスファシティに基づくフレームワークを開発する。
• ラグランジュ乗数の更新に受動的フィードバックループを組み込むことで、制約付き最適化問題へのアプローチを拡張する。
• 遅延のある情報交換を伴う複数台のカメラを用いた実世界の視覚的ヒューマンロケーション問題に対して、手法を検証する。

提案手法

• 受動的システムのフィードバック相互接続として分散最適化を定式化し、パスファシティ理論による安定性解析を可能にする。
• 比例および積分フィードバックを組み合わせることで、PI協調アルゴリズムを適用し、非制約最適化において正確な収束を達成する。
• スキャッタリング変換を用いて通信遅延を統合し、パスファシティを保持するとともに、時間遅延下でもシステムを安定化させる。
• 勾配に基づくラグランジュ乗数の更新に受動的フィードバックループを追加することで、制約付き問題へのフレームワークの拡張を実現する。
• パスファシティに基づく解析を用いて、遅延なしおよび遅延ありの通信シナリオの両方において、最適解への漸近的収束を証明する。
• 各カメラが局所的な検出と共有制約を用いてヒューマンの位置と形状を推定するマルチカメラ視覚ロケーションシステムにアルゴリズムを実装する。

実験結果

リサーチクエスチョン

• RQ1 分散最適化における通信遅延は、収束性能に悪影響を及げない形でどのように安定化できるか？
• RQ2 パスファシティに基づく制御技術を用いることで、時間遅延を伴う分散最適化において正確な収束を確保できるか？
• RQ3 受動的システム相互接続を用いて、制約付き分散最適化問題をどのように解けるか？
• RQ4 スキャッタリング変換は、共調ベース最適化における遅延通信を安定化するために果たす役割は何か？
• RQ5 提案手法は、視覚的ヒューマンロケーションのような実世界のマルチエージェントセンシング問題に適用可能か？

主な発見

• 提案されたパスファシティに基づくフレームワークは、任意の通信遅延が存在しても、非制約分散最適化において最適解への正確な収束を保証する。
• スキャッタリング変換を用いることで、通信遅延が効果的に管理され、パスファシティが保持され、システムが安定化する。
• 制約付き問題では、ラグランジュ乗数の更新に受動的フィードバックループを追加することで、バリア関数のチューニングなしに正確な収束が可能になる。
• シミュレーション結果から、スキャッタリング変換がなければ、通信遅延により最適化プロセスが発散することが明らかになった。
• スキャッタリング変換を用いることで、アルゴリズムは安定化し、視覚的ヒューマンロケーション問題において最適解に成功して収束した。
• 本手法は5台のカメラで構成されるシステムで検証され、各カメラがヒューマンの位置と形状の楕円近似を推定し、一貫性があり高精度なロケーションを達成した。