[論文レビュー] Distributed Certifiably Correct Pose-Graph Optimization

Yulun Tian, Kasra Khosoussi+2 more|arXiv (Cornell University)|Nov 9, 2019

Robotics and Sensor-Based Localization参考文献 8被引用数 15

ひとこと要約

本稿では、中程度のノイズ下でグローバル最適解を保証する、初めての証明可能に正しい分散型ポーズグラフ最適化アルゴリズムであるDC2-PGOを提示する。この手法は、スパースな半定値緩和法と、リーマン型ブロック座標降下法を用いた分散型リーマン型ステアケードフレームワークを組み合わせ、新規の分散型検証／停留解回避手法を導入することで、既存の分散手法に比べて優れた収束速度と解の精度を達成するとともに、プライバシーを保護し、完全な分散化を実現する。

ABSTRACT

This paper presents the first certifiably correct algorithm for distributed pose-graph optimization (PGO), the backbone of modern collaborative simultaneous localization and mapping (CSLAM) and camera network localization (CNL) systems. Our method is based upon a sparse semidefinite relaxation that we prove provides globally-optimal PGO solutions under moderate measurement noise (matching the guarantees enjoyed by state-of-the-art centralized methods), but is amenable to distributed optimization using the low-rank Riemannian Staircase framework. To implement the Riemannian Staircase in the distributed setting, we develop Riemannian block coordinate descent (RBCD), a novel method for (locally) minimizing a function over a product of Riemannian manifolds. We also propose the first distributed solution verification and saddle escape methods to certify the global optimality of critical points recovered via RBCD, and to descend from suboptimal critical points (if necessary). All components of our approach are inherently decentralized: they require only local communication, provide privacy protection, and are easily parallelizable. Extensive evaluations on synthetic and real-world datasets demonstrate that the proposed method correctly recovers globally optimal solutions under moderate noise, and outperforms alternative distributed techniques in terms of solution precision and convergence speed.

研究の動機と目的

• 共同SLAMおよびカメラネットワーク局所化において、グローバル最適解を証明的に回復できる分散型アルゴリズムの不足に対処すること。
• 通信ボトルネック、プライバシー漏洩、単一障害点といった、集中型PGO手法の限界を克服すること。
• SE-Syncなどの証明可能に正しい集中型PGO手法を、分散型、スケーラブルでプライバシーを保護する環境に拡張すること。
• 分散環境においてもグローバル最適性の保証を維持できる、新規の分散型最適化および検証技術を開発すること。
• 局所最適解への収束を回避するため、分散型で停留解の検出と脱出を可能にする仕組みを提供すること。

提案手法

• 中程度のノイズ下で集中型証明可能に正しい手法の正確性保証を維持する、スパースな半定値緩和法を提案する。
• 低ランク構造を活用することで、緩和問題を効率的に解く分散型リーマン型ステアケードフレームワークを採用する。
• リーマン多様体の積上での関数最小化を分散的に実行する新規手法であるリーマン型ブロック座標降下法（RBCD）を導入する。
• ネステロフのスキームによる加速を施した分散型リーマン型ブロック座標降下法（RBCD++）を提案し、収束速度を向上させる。
• 最小固有値の計算を用いた分散型解の検証手法を設計し、臨界点のグローバル最適性を証明する。
• リーマン勾配情報を利用した分散型停留解回避メカニズムを導入し、局所最適解からの脱出を実現する。

実験結果

リサーチクエスチョン

• RQ1 分散型PGOアルゴリズムは、SE-Syncのような最先端の集中型証明可能に正しい手法と同等のグローバル最適性保証を達成できるか？
• RQ2 スパースな半定値緩和問題を、通信量を低く抑えつつ低ランク構造を保持する分散環境で効率的に解く方法は何か？
• RQ3 中央コーディネータを必要とせず、グローバル最適解への収束を可能にする分散型最適化フレームワークは何か？
• RQ4 分散システムにおいて、臨界点のグローバル最適性を検出および証明する分散型検証手法は何か？
• RQ5 分散型停留解回避メカニズムは、分散型PGO環境において局所最適解から正しく回復できるか？

主な発見

• DC2-PGOは、合成データおよび実世界データ（例：CSAIL、KITTI、Killian Court）において、中程度の測定ノイズ下でもグローバル最適解を正しく回復する。
• DGSや他の局所探索スキームと比較して、収束速度が速く、解の精度も高い。
• Killian Courtデータセットにおいて、DC2-PGOはランクr=3の局所最適解から出発しても、r=4のグローバル最小解へ収束する。これは、初期値がランダムであっても同様に成立する。
• 分散型検証および停留解回避メカニズムは、非最適解を正しく検出し、グローバル最適解への回復を可能にする。
• RBCDおよびその加速版（RBCD++）は、弱い条件下でもグローバルな非線形収束率を示し、ネステロフ加速により実験的性能が向上する。
• 本手法はプライバシーを保護し、完全に分散化されており、中央コーディネータやグローバルデータ集約を必要としない。