[논문 리뷰] Distributed Consistent Data Association

Spyridon Leonardos, Xiaowei Zhou외 1명|arXiv (Cornell University)|2016. 09. 22.

Distributed Control Multi-Agent Systems참고 문헌 22인용 수 9

한 줄 요약

이 논문은 다중 센서 시스템에서 분산 일致성 데이터 연동을 위한 완전히 탈중앙화된 두 알고리즘을 제안한다: 이중 스토하스틱 행렬에 기반한 컨SENSUS 유사 방법과 Pachauri 등이 제안한 스펙트럼 방법의 탈중앙화 변형이다. 두 방법 모두 초기화 의존성이나 하이퍼파ram터 없이 전역 일치성 데이터 연동으로 수렴함을 증명 가능하게 하여 노이즈가 있는 이원 관계에서 강건하고 확장 가능한 다중 센서 대응을 가능하게 한다.

ABSTRACT

Data association is one of the fundamental problems in multi-sensor systems. Most current techniques rely on pairwise data associations which can be spurious even after the employment of outlier rejection schemes. Considering multiple pairwise associations at once significantly increases accuracy and leads to consistency. In this work, we propose two fully decentralized methods for consistent global data association from pairwise data associations. The first method is a consensus algorithm on the set of doubly stochastic matrices. The second method is a decentralization of the spectral method proposed by Pachauri et al.. We demonstrate the effectiveness of both methods using theoretical analysis and experimental evaluation.

연구 동기 및 목표

• 이차 연관이 노이즈 또는 이방성으로 인해 일관성이 없을 수 있는 분산 다중 센서 시스템에서 전역 일치성 데이터 연동을 달성하는 데 도전 과제를 해결하기 위해.
• 지역적 통신과 계산만을 사용하는 완전히 탈중앙화된 알고리즘을 개발하여 중심 집중적 조율를 피하기 위해.
• 초기화나 하이퍼파ram터에 의존하지 않고 전역 일치성 순열로 수렴하도록 보장하기 위해.
• 센서 네트워크 및 다중 로봇 시스템에서의 분산 데이터 연동에 대해 일치성과 수렴성에 대한 이론적 보장을 제공하기 위해.

제안 방법

• 이웃의 추정치와 이원 연관 정보를 이용한 국소 평균을 사용하여 이중 스토하스틱 행렬에 대한 각 센서의 믿음을 갱신하는 컨센서스 기반 알고리즘을 제안한다.
• 업데이트 규칙 $\Pi_i(t+1) = \frac{1}{|\mathcal{N}_i|+1} \left( \Pi_i(t) + \sum_{j \in \mathcal{N}_i} \widetilde{\Pi}_{ij} \Pi_j(t) \right)$ 를 사용하며, 여기서 $\widetilde{\Pi}_{ij}$ 는 추정된 이원 연관을 나타낸다.
• 국소 행렬 갱신을 사용하여 Pachauri 등의 중심 집중식 스펙트럼 완화 방법을 분산 환경에 적응시켜 탈중앙화된 스펙트럼 방법을 도입한다.
• 최종 이중 스토하스틱 행렬에 헝가리안 알고리즘을 적용하여 이산 순열 행렬을 복원함으로써 유효한 데이터 연동을 보장한다.
• 조합 최적화 문제를 연속적이고 다루기 쉬운 최적화 문제로 변환하기 위해 순열 행렬의 볼록 셸드(이중 스토하스틱 행렬)에 의존한다.
• 유효한 이원 연결을 모델링하고 추정된 대응 가능성에 기반한 가중치를 부여하기 위해 데이터 연동 그래프 $\mathcal{D}$ 를 사용한다.

실험 결과

연구 질문

• RQ1 다양한 센서 간에 전역 일관성을 달성할 수 있는 완전히 탈중앙화된 컨센서스 알고리즘을 설계할 수 있는가?
• RQ2 일관성 있는 데이터 연동을 위한 스펙트럼 방법을 효과적으로 탈중앙화하면서도 수렴성과 일관성을 유지할 수 있는가?
• RQ3 제안된 탈중앙화된 방법들이 초기화 의존성이나 하이퍼파ram터 없이 전역 일치 솔루션으로 수렴하는가?
• RQ4 노이즈가 있는 이원 연관 조건 하에서 제안된 방법들이 중심 집중적 접근 방식과 정확도 및 강건성 측면에서 어떻게 비교되는가?

주요 결과

• 컨센서스 기반 방법은 온건한 가정 하에 전역 일치 솔루션으로 증명 가능하게 수렴하며, 초기화에 의존하지 않고 수렴한다.
• 탈중앙화된 스펙트럼 방법은 중심 집중식 스펙트럼 접근 방식의 이론적 보장을 그대로 이어받아 특정 노이즈 조건 하에서 정확한 복원을 보장한다.
• 두 방법 모두 하이퍼파ram터 조정이 필요 없고, 실세계 시스템에의 구현을 단순화한다.
• 합성 및 실세계 데이터에 대한 실험 평가에서 이차 방법에 비해 대응 정확도가 크게 향상되었으며, 특히 이방성 존재 시에 두드러진다.
• 최대 30%의 노이즈가 있는 합성 데이터셋에서 두 방법 모두 거의 완벽한 일관성 있는 데이터 연동을 달성하였으며, 기존의 표준 이원 매칭 기법을 능가한다.
• 최종 이중 스토하스틱 행렬에 헝가리안 알고리즘을 적용함으로써 이산 순열이 성공적으로 복원되었으며, 이는 완화 접근 방식의 타당성을 검증한다.