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

David M. Rosen, Luca Carlone+2 more|arXiv (Cornell University)|Dec 21, 2016

Topological and Geometric Data Analysis被引用数 12

ひとこと要約

SE-Sync は、ノイズレベルが臨界閾値未満である場合に、グローバル最適解を保証する半定値緩和を活用することで、特殊ユークリッド同期化問題を証明可能に正しく解くアルゴリズムです。低ランク性、幾何的構造、グラフ理論的性質を活用して、リーマン多様体上で緩和問題を効率的に解き、ロボット工学、ビジョン、センシング応用分野における高速かつ検証可能な最適なポーズの回復を実現します。

ABSTRACT

Many important geometric estimation problems take the form of synchronization over the special Euclidean group: estimate the values of a set of poses given a set of relative measurements between them. This problem is typically formulated as a nonconvex maximum-likelihood estimation that is computationally hard to solve in general. Nevertheless, in this paper we present an algorithm that is able to efficiently recover certifiably globally optimal solutions of the special Euclidean synchronization 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 an 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 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 design a truncated-Newton trust-region method to solve this reduction efficiently. Finally, 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 able to recover certifiably globally optimal solutions when the available measurements are corrupted by noise up to an order of magnitude greater than that typically encountered in robotics and computer vision applications, and does so more than an order of magnitude faster than the Gauss-Newton-based approach that forms the basis of current state-of-the-art techniques.

研究の動機と目的

• ロボット工学、コンピュータビジョン、センサーネットワークにおけるコアな問題である特殊ユークリッド同期化における非凸的最大尤度推定の計算困難性に対処する。
• 現実的なノイズ条件下でも、正式な最適性証明を伴うグローバル最適解を回復できるアルゴリズムを開発する。
• 半定値緩和における幾何的およびグラフ理論的構造を活用することで、大規模な同期化問題の効率的解法を実現する。
• ヒューリスティックソルバの限界を克服し、推定ポーズのグローバル最適性を実用的かつ検証可能に確認する手法を提供する。
• ステートオブザアートのガウス・ニュートンベースの手法よりも顕著な高速化を達成しつつ、より高いノイズレベルに対してもロバスト性を維持する。

提案手法

• 相対ポーズ測定値にノイズを加えたモデルを用いて、SE(d) 上での非凸的最大尤度推定として特殊ユークリッド同期化問題を定式化する。
• 最大尤度問題の半定値緩和を構築し、ノイズが臨界閾値未満である場合には正確性（グローバル最適性）を保証する。
• 緩和問題の低ランク構造を活用して、低次元のリーマン多様体上の等価な最適化問題に縮小する。
• リーマン多様体の幾何的およびグラフ理論的性質を活用して、リーマン的切り捨てニュートン信頼領域法を適用し、低減問題を効率的に解く。
• 緩和解から最終的なポーズ推定値を回復するための単純なラウンディング手順を用い、元の群制約と整合性を保つ。
• 最適化とラウンディング手順を統合し、証明行列 C を用いたグローバル最適性の内蔵検証を備えた SE-Sync アルゴリズムを構築する。

実験結果

リサーチクエスチョン

• RQ1 特殊ユークリッド同期化問題の半定値緩和が、現実的なノイズレベル下でも証明可能なグローバル最適解をもたらすか。
• RQ2 同期化問題の低ランク性および幾何的構造をどれほど活用して、大規模最適化の高速化を達成できるか。
• RQ3 リーマン最適化フレームワークが、収束性および最適性の保証を維持しながら、緩和問題を効果的に解くために適用可能か。
• RQ4 正確な回復のためのノイズ閾値が、ロボット工学およびコンピュータビジョン応用分野で一般的に見られる水準と比べてどの程度か。
• RQ5 問題が一般に非凸的かつ NP 困難であるにもかかわらず、アルゴリズムが解のグローバル最適性を事後的に検証できるか。

主な発見

• SE-Sync は、ロボット工学およびコンピュータビジョン応用分野で一般的に見られるノイズより最大10倍高いノイズレベルでも、証明可能なグローバル最適解を回復する。
• 大規模なポーズグラフ SLAM データセットにおいて、ステートオブザアートのガウス・ニュートンベース手法よりも、10倍以上高速に実行される。
• ノイズの大きさが臨界閾値未満である限り、半定値緩和は正確な回復（すなわちグローバル最適性）を達成し、証明行列 C によって保証される。
• リーマン最適化アプローチにより、問題の低ランク構造を活用して計算複雑度を低減し、大規模グラフ上での効率的解法を可能にする。
• 証明行列 C の固有値構造を用いた事後的検証により、解が妥当かつ最適であることを確認する。
• 実験では、ヒューリスティックソルバが通常耐えられる範囲を超えるノイズレベルでも、SE-Sync は最適解を正常に回復し、ロバスト性と信頼性を示した。