[논문 리뷰] SE-Sync: A Certifiably Correct Algorithm for Synchronization over the Special Euclidean Group

David M. Rosen, Luca Carlone외 2명|arXiv (Cornell University)|2016. 12. 21.

Topological and Geometric Data Analysis인용 수 12

한 줄 요약

SE-Sync는 노이즈 수준이 임계 임계값 이하일 경우 전역 최적 해를 보장하는 서브디피니트 리 릴랙세이션을 활용하여 특수 올리자이 정합 문제를 인증 가능하게 올바르게 해결하는 알고리즘이다. 이 알고리즘은 낮은 랭크, 기하학적, 그래프 이론적 구조를 활용하여 리만 다양체 위에서 리 릴랙세이션을 효율적으로 해결함으로써, 로봇공학, 시각, 센싱 응용 분야에서 빠르고 검증 가능한 최적 자세 복원을 가능하게 한다.

ABSTRACT

Many important geometric estimation problems take the form of synchronization over the special Euclidean group: estimate the values of a set of poses given a set of relative measurements between them. This problem is typically formulated as a nonconvex maximum-likelihood estimation that is computationally hard to solve in general. Nevertheless, in this paper we present an algorithm that is able to efficiently recover certifiably globally optimal solutions of the special Euclidean synchronization problem in a non-adversarial noise regime. The crux of our approach is the development of a semidefinite relaxation of the maximum-likelihood estimation whose minimizer provides an exact MLE so long as the magnitude of the noise corrupting the available measurements falls below a certain critical threshold; furthermore, whenever exactness obtains, it is possible to verify this fact a posteriori, thereby certifying the optimality of the recovered estimate. We develop a specialized optimization scheme for solving large-scale instances of this relaxation by exploiting its low-rank, geometric, and graph-theoretic structure to reduce it to an equivalent optimization problem on a low-dimensional Riemannian manifold, and design a truncated-Newton trust-region method to solve this reduction efficiently. Finally, we combine this fast optimization approach with a simple rounding procedure to produce our algorithm, SE-Sync. Experimental evaluation on a variety of simulated and real-world pose-graph SLAM datasets shows that SE-Sync is able to recover certifiably globally optimal solutions when the available measurements are corrupted by noise up to an order of magnitude greater than that typically encountered in robotics and computer vision applications, and does so more than an order of magnitude faster than the Gauss-Newton-based approach that forms the basis of current state-of-the-art techniques.

연구 동기 및 목표

• 로봇공학, 컴퓨터 비전, 센서 네트워크 분야의 核심 문제인 특수 올리자이 정합 문제에서 비볼록 최대우도 추정의 계산적 난이도를 해결한다.
• 실제 노이즈 조건 하에서 전역 최적 해를 복원하고 형식적 최적성 인증을 제공하는 알고리즘을 개발한다.
• 서브디피니트 리 릴랙세이션 내 기하학적 및 그래프 이론적 구조를 활용하여 대규모 문제의 효율적 해결을 가능하게 한다.
• 해결책의 전역 최적성에 대해 실용적이고 검증 가능한 방법을 제공함으로써 히우리스틱 솔버의 한계를 극복한다.
• 최첨단 가우스-뉴턴 기반 방법보다 빠른 속도를 확보하면서도 더 높은 노이즈 수준에 대해 강건성을 유지한다.

제안 방법

• 상대 자세 측정치에 노이즈를 고려하여 SE(d) 위에서 비볼록 최대우도 추정 문제로 특수 올리자이 정합 문제를 수식화한다.
• 노이즈가 임계 임계값 이하일 경우 정확성(전역 최적성)을 유지하는 최대우도 문제의 서브디피니트 리 릴랙세이션을 구성한다.
• 리 릴랙세이션의 낮은 랭크 구조를 활용하여 저차원 리만 다각체 위의 등가 최적화 문제로 축소한다.
• 리만 다각체의 기하학적 및 그래프 이론적 성질을 활용하여, 감소된 문제를 효율적으로 해결하기 위해 리만 트렁케이티드-뉴턴 트러스트 영역 방법을 적용한다.
• 원래의 군 제약 조건을 만족하는 최종 자세 추정치를 확보하기 위해 단순한 라운딩 절차를 사용한다.
• 최적화 및 라운딩 단계를 SE-Sync 알고리즘으로 통합하며, 인증 행렬 C를 통한 전역 최적성의 내장된 검증을 제공한다.

실험 결과

연구 질문

• RQ1 특수 올리자이 정합 문제의 서브디피니트 리 릴랙세이션은 실제 노이즈 수준에서 인증 가능한 전역 최적 해를 도출할 수 있는가?
• RQ2 정합 문제의 낮은 랭크 및 기하학적 구조를 얼마나 효율적으로 활용하여 대규모 최적화의 속도를 향상시킬 수 있는가?
• RQ3 리만 최적화 프레임워크는 리 릴랙세이션 문제를 효과적으로 해결하면서 수렴성 및 최적성 보장을 유지할 수 있는가?
• RQ4 정확한 복원을 위한 노이즈 임계값은 로봇공학 및 컴퓨터 비전 응용 분야에서 일반적으로 관찰되는 수준과 비교해 어떻게 되는가?
• RQ5 비볼록이고 일반적으로 NP-난이도 문제인 경우에도 알고리즘이 해의 전역 최적성을 사후에 검증할 수 있는가?

주요 결과

• SE-Sync는 로봇공학 및 컴퓨터 비전 응용 분야에서 일반적으로 관찰되는 것보다 약 10배 높은 노이즈 수준까지도 인증 가능한 전역 최적 해를 복원한다.
• 대규모 자세 그래프 SLAM 데이터셋에서 최첨단 가우스-뉴턴 기반 방법보다 10배 이상 빠른 속도로 실행된다.
• 서브디피니트 리 릴랙세이션은 노이즈 크기가 임계 임계값 이하일 경우 정확한 복원(즉, 전역 최적성)을 달성하며, 이는 인증 행렬 C에 의해 엄밀히 보장된다.
• 리만 최적화 접근법은 문제의 낮은 랭크 구조를 활용하여 계산 복잡도를 감소시켜 대규모 그래프에서의 효율적 해법을 가능하게 한다.
• 인증 행렬 C의 고유값 구조를 통한 사후 최적성 검증을 제공하여, 솔루션이 타당하고 최적임을 확인한다.
• 실험 결과, SE-Sync는 히우리스틱 솔버가 일반적으로 견딜 수 있는 수준을 초월한 노이즈 수준에서도 최적 해를 성공적으로 복원하여 강건성과 신뢰성을 입증했다.