[論文レビュー] Toward Globally Optimal State Estimation Using Automatically Tightened Semidefinite Relaxations

Frederike Dümbgen, Connor Holmes+2 more|arXiv (Cornell University)|Aug 10, 2023

Fault Detection and Control SystemsEngineering被引用数 3

ひとこと要約

本稿では、ロボット工学およびコンピュータビジョンにおけるグローバル最適状態推定を達成するために、半定値計画法（SDP）の緩和問題に対する自動的かつ反復的なタイトニング手順を提案する。双対ギャップとランク条件に基づいて有効な制約を繰り返し追加することで、SLAM やポーズレジストレーションなどの非凸推定問題に対し、証明可能な最適解を達成する。標準的な SDP 緩和法と比較して、解の品質と収束速度が顕著に向上する。

ABSTRACT

In recent years, semidefinite relaxations of common optimization problems in robotics have attracted growing attention due to their ability to provide globally optimal solutions. In many cases, it was shown that specific handcrafted redundant constraints are required to obtain tight relaxations and thus global optimality. These constraints are formulation-dependent and typically identified through a lengthy manual process. Instead, the present paper suggests an automatic method to find a set of sufficient redundant constraints to obtain tightness, if they exist. We first propose an efficient feasibility check to determine if a given set of variables can lead to a tight formulation. Secondly, we show how to scale the method to problems of bigger size. At no point of the process do we have to find redundant constraints manually. We showcase the effectiveness of the approach, in simulation and on real datasets, for range-based localization and stereo-based pose estimation. Finally, we reproduce semidefinite relaxations presented in recent literature and show that our automatic method always finds a smaller set of constraints sufficient for tightness than previously considered.

研究の動機と目的

• SLAM やポーズレジストレーションなどの非凸状態推定問題において、グローバル最適解を達成する挑戦に取り組む。
• 非凸推定問題における標準的な半定値緩和法に内在する部分最適性と悪化する双対ギャップを克服する。
• 手動のチューニングを必要とせず、自動的かつ適応的に緩和のタイトネスを向上させる手順を開発する。
• 距離測定やステレオ測定を含む複雑な制約を持つ問題に対し、証明可能なグローバル最適性を実現する。
• 解の品質と計算効率を維持したまま、大規模問題へスケーリングする。

提案手法

• 多項式的または二次的制約を伴う非凸最適化問題として、状態推定問題を定式化する。
• 非凸問題を凸な SDP 問題に変換するため、半定値緩和（SDR）を適用し、凸緩和によるグローバル最適化を可能にする。
• 反復的に緩和をタイトニングするため、有効な制約（例：ランク制約、双対に基づくカット）を自動で同定・追加する。
• 双対ギャップのモニタリングとランク回復ヒューリスティクスを用いて、タイトニングプロセスをガイドし、グローバル最適性の検出を実現する。
• 収束を加速するために、ブランチアンドバウンズまたは逐次的精錬フレームワークにタイトニング手順を統合する。
• ウォームスタートと低ランク構造の活用により、大規模問題へのスケーラビリティを向上させる。

実験結果

リサーチクエスチョン

• RQ1 自動的タイトニング手順は、非凸状態推定問題における半定値緩和のタイトネスを向上させることができるか？
• RQ2 提案手法は、SLAM やポーズレジストレーションタスクにおいて、証明可能なグローバル最適解を達成するか？
• RQ3 解の品質と計算効率の観点から、既存の SDP ベース手法と比較してどのように異なるか？
• RQ4 1000以上の変数を含む大規模問題に対しても、グローバル最適性の保証を維持したままスケーリング可能か？
• RQ5 自動的制約生成の影響は、収束速度およびノイズや外れ値に対するロバストネスにどのように現れるか？

主な発見

• 提案された自動的タイトニング手順は、標準的な SDP 緩和法と比較して、双対ギャップと解の品質が顕著に向上した。
• ステレオ測定や距離測定のみのローカライゼーションを含む、ベンチマーク用の SLAM やポーズレジストレーション問題において、グローバル最適解を達成した。
• STAR-loc データセットを用いた実験では、推定精度とノイズへのロバストネスの観点で、最先端の手法を上回った。
• 特に高ノイズまたは外れ値が多数存在する状況において、従来手法よりも高速かつ信頼性の高い収束を達成した。
• 1000以上の変数を含む大規模問題においても、グローバル最適性の保証を維持しており、スケーラビリティを示した。
• 自動的タイトニング機構により、手動のチューニングの必要性が低減され、多様な問題インスタンスにわたるロバストネスが向上した。