[논문 리뷰] Spooky effect in optimal OSPA estimation and how GOSPA solves it

Ángel F. García‐Fernández, Lennart Svensson|arXiv (Cornell University)|2019. 08. 23.

Target Tracking and Data Fusion in Sensor Networks참고 문헌 30인용 수 8

한 줄 요약

이 논문은 최적의 OSPA 추정에서 발생하는 직관에 어긋나는 '기묘한 효과'를 규명한다. 이 효과는 떨어져 있는 독립적인 목표물들이 먼 곳에 있는 목표물의 존재 확률에 미미한 변화가 있을 때 부당하게 영향을 받는 현상이다. 본 논문은 이 효과가 α=2인 최적의 GOSPA 추정에서 제거됨을 보여주며, 국소적 위치 오차, 가짜 경고, 탐지 실패를 별도로 처벌함으로써 먼 목표물들 간의 추정을 분리시킨다.

ABSTRACT

In this paper, we show the spooky effect at a distance that arises in optimal estimation of multiple targets with the optimal sub-pattern assignment (OSPA) metric. This effect refers to the fact that if we have several independent potential targets at distant locations, a change in the probability of existence of one of them can completely change the optimal estimation of the rest of the potential targets. As opposed to OSPA, the generalised OSPA (GOSPA) metric ($α=2$) penalises localisation errors for properly detected targets, false targets and missed targets. As a consequence, optimal GOSPA estimation aims to lower the number of false and missed targets, as well as the localisation error for properly detected targets, and avoids the spooky effect.

연구 동기 및 목표

• 최적의 OSPA 추정에서 발생하는 직관에 어긋나는 현상—'거리의 기묘한 효과'—를 규명하고 분석하는 것.
• 이 효과가 OSPA가 가짜 경고와 카디널리티 불일치를 구분하지 못하기 때문에 발생함을 보여주는 것.
• 최적의 GOSPA 추정(α=2)이 국소적 위치 오차와 가짜/누락된 목표물에 대해 적절히 처벌함으로써 이 효과를 피할 수 있음을 보여주는 것.
• 최적의 GOSPA 추정이 서로 떨어져 있는 목표물 영역 간에 독립적인 국소 최적화 문제로 분해됨을 확립하는 것.
• GOSPA가 OSPA보다 안정적이고 물리적으로 해석 가능한 다목표 추정에서 더 우수한 이론적 근거를 제공하는 것.

제안 방법

• OSPA 거리 척도와 그 비정규화된 변형(UOSPA)을 사용하여 최적의 추정 문제를 수식화하고, 평균 제곱 OSPA(MSOSPA) 오차를 정의한다.
• 매개수 α를 가진 일반화된 OSPA(GOSPA) 거리 척도를 도입하며, α=2일 때에만 국소적 오차, 가짜 경고, 미탐지 목표물에 대해 별개의 처벌 항으로 분해됨을 보여준다.
• α=2에 대해 평균 제곱 GOSPA(MSGOSPA) 오차 표현식을 유도하며, 이는 할당된 목표물, 할당되지 않은 목표물, 카디널리티 불일치에 대한 비용을 명시적으로 분리한다.
• 독립적인 목표물 존재 확률을 가진 다중 베르누이 사후분포의 최적화 문제를 분석하여, OSPA 기반 추정이 카디널리티 항을 통해 먼 목표물들을 전역적으로 연결함을 보여준다.
• GOSPA(α=2)의 경우 최적의 추정이 각 목표물의 국소적 분포에만 의존함을 증명하며, 이는 서로 분리된 최적화를 가능하게 한다.
• 해석적 유도와 부등식을 사용하여, OSPA의 경우 MSOSPA 오차 함수의 구조로 인해 최적의 추정이 항상 0 또는 N개의 목표물이 되며, 중간 값은 최적이 되지 않음을 보여준다.

실험 결과

연구 질문

• RQ1 OSPA 척도 기반 최적 추정에서, 서로 떨어져 있고 독립적인 목표물들이 먼 곳의 목표물 존재 확률의 변화에 의해 부당하게 영향을 받는 '기묘한 효과'가 나타나는가?
• RQ2 왜 OSPA 척도는 다목표 추적 환경에서 안정적이고 국소적인 추정을 생성하지 못하는가?
• RQ3 GOSPA 척도(α=2)는 추정 오차에 대한 처벌 구조를 어떻게 재정의함으로써 기묘한 효과를 해결하는가?
• RQ4 최적의 GOSPA 추정은 서로 떨어져 있는 목표물 영역 간에 독립적인 국소 문제로 분해될 수 있는가?
• RQ5 불확실성 하에서 다목표 추정에서 GOSPA(α=2)를 OSPA보다 선호하는 이론적 근거는 무엇인가?

주요 결과

• OSPA 척도는 한 먼 목표물의 존재 확률에 대한 미미한 변화가, 서로 독립된 다른 목표물들의 최적 추정을 극적으로 변화시킬 수 있는 '기묘한 효과'를 유도한다.
• 이 효과는 OSPA의 카디널리티 처벌 항이 모든 목표물을 전역적으로 연결함으로써 발생하며, 이로 인해 최적의 추정이 국소적 목표물 확률과 무관하게 전역적인 카디널리티 변화에 민감해진다.
• OSPA의 경우, 탐지된 목표물의 수에 대한 최적 추정은 항상 0 또는 N(모든 목표물)이며, 중간 값은 최적이 되지 않는데, 이는 MSOSPA 오차 함수의 구조 때문이다.
• 반면, α=2인 최적의 GOSPA 추정은 기묘한 효과를 제거한다. 이는 최적화 문제가 서로 떨어져 있는 목표물 영역 간에 분리되기 때문이다.
• GOSPA(α=2)는 국소적 위치 오차, 가짜 경고, 탐지 실패를 별도로 처벌함으로써 더 안정적이고 물리적으로 해석 가능한 추정을 이끈다.
• 이론적 분석을 통해 GOSPA(α=2)의 최적 추정이 다른 목표물의 존재 확률과 무관하게 각 목표물의 국소적 존재 확률에만 의존함을 증명하였다.