[논문 리뷰] Toward Globally Optimal State Estimation Using Automatically Tightened Semidefinite Relaxations

Frederike Dümbgen, Connor Holmes외 2명|arXiv (Cornell University)|2023. 08. 10.

Fault Detection and Control SystemsEngineering인용 수 3

한 줄 요약

이 논문은 로봇공학 및 컴퓨터 비전 분야에서 전역 최적 상태 추정을 달성하기 위해 정규화된 준선형계획법(SDP) 품질 향상 절차를 자동으로 제안한다. 이중성 갭과 질량 조건에 기반한 유효한 제약 조건을 반복적으로 추가함으로써, SLAM 및 자세 정렬과 같은 비볼록 추정 문제에 대해 검증 가능한 최적 해를 달성한다. 이는 기존의 표준 SDP 품질 향상 방식에 비해 해의 품질과 수렴 속도를 크게 향상시킨다.

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.

연구 동기 및 목표

• SLAM 및 자세 정렬과 같은 비볼록 상태 추정 문제에서 전역 최적 해를 달성하는 데 도전하는 것.
• 비볼록 추정 문제에 대한 표준 준선형계획법 품질 향상 방식에서 내재된 부분 최적성과 열악한 이중성 갭 문제를 해결하는 것.
• 수동 조정 없이도 품질 향상 정도를 높일 수 있는 자동화되고 적응 가능한 품질 향상 절차를 개발하는 것.
• 범위만 이용하거나 스테레오 측정이 포함된 복잡한 제약 조건이 있는 문제에 대해 검증 가능한 전역 최적성을 보장하는 것.
• 해결의 품질과 계산 효율성을 유지하면서 대규모 문제에까지 적용 가능한 방법을 확장하는 것.

제안 방법

• 다항식 또는 이차 제약 조건을 가진 비볼록 최적화 문제로 상태 추정 문제를 수식화한다.
• 비볼록 문제를 볼록 SDP 문제로 변환하기 위해 준선형계획법(SDR)을 적용함으로써 볼록 품질 향상 기반 전역 최적화를 가능하게 한다.
• 반복적으로 유효한 제약 조건(예: 질량 제약 조건, 이중성 기반 컷)을 자동으로 식별하고 추가하여 품질 향상 과정을 진행한다.
• 이중성 갭 모니터링과 질량 복원 히وري스틱을 활용하여 품질 향상 과정을 안내하고 전역 최적성을 탐지한다.
• 수렴 속도를 높이기 위해 품질 향상 절차를 분기-바운드 또는 순차적 정밀화 프레임워크에 통합한다.
• 온난 시작과 저차원 구조 활용을 통해 대규모 문제에서의 확장성을 향상시킨다.

실험 결과

연구 질문

• RQ1 자동화된 품질 향상 절차는 비볼록 상태 추정 문제에 대한 준선형계획법 품질 향상 정도를 향상시킬 수 있는가?
• RQ2 제안된 방법은 SLAM 및 자세 정렬 작업에서 검증 가능한 전역 최적 해를 달성하는가?
• RQ3 해결 품질과 계산 효율성 측면에서 기존의 SDP 기반 접근 방식과 비교해 볼 때 어떻게 성능을 냈는가?
• RQ4 수백 또는 수천 개의 변수를 포함하는 대규모 문제에 대해 전역 최적성 보장을 유지하면서도 확장 가능한가?
• RQ5 자동 제약 조건 생성이 수렴 속도와 노이즈 및 이방성에 대한 강건성에 어떤 영향을 미치는가?

주요 결과

• 제안된 자동 품질 향상 절차는 표준 SDP 품질 향상 방식에 비해 이중성 갭과 해의 품질을 크게 향상시켰다.
• 스테레오 및 범위만 이용하는 국소화를 포함한 벤치마크 SLAM 및 자세 정렬 문제에서 전역 최적 해를 달성하였다.
• STAR-loc 데이터셋에서의 실험 결과, 정밀도와 노이즈에 대한 강건성 측면에서 최신 기술보다 뛰어난 성능을 보였다.
• 특히 고노이즈 또는 이방성이 많은 환경에서 이전의 방법보다 더 빠르고 신뢰성 있게 수렴하였다.
• 1000개 이상의 변수를 포함하는 대규모 문제에서도 전역 최적성 보장을 유지하며 확장성을 입증하였다.
• 자동 품질 향상 메커니즘이 수동 조정의 필요성을 줄이고 다양한 문제 유형에 걸쳐 강건성을 향상시켰다.