[论文解读] On Low Discrepancy Samplings in Product Spaces of Motion Groups

Chandrajit Bajaj, Abhishek Bhowmick+2 more|arXiv (Cornell University)|Nov 28, 2014

Mathematical Approximation and Integration参考文献 19被引用 5

一句话总结

本文提出一种新颖的两步差异性构造方法，用于在运动群的乘积空间（如 SO(3)^n 和 SE(3)^n）中生成确定性、低差异性的采样。该方法在采样规模上实现了近乎指数级的提升，相较于直接乘积构造方法，首次为这些空间提供了非平凡的确定性低差异性集合，其差异性界与球面和旋转群的最优理论极限相匹配。

ABSTRACT

Deterministically generating near-uniform point samplings of the motion groups like SO(3), SE(3) and their n-wise products SO(3)^n, SE(3)^n is fundamental to numerous applications in computational and data sciences. The natural measure of sampling quality is discrepancy. In this work, our main goal is construct low discrepancy deterministic samplings in product spaces of the motion groups. To this end, we develop a novel strategy (using a two-step discrepancy construction) that leads to an almost exponential improvement in size (from the trivial direct product). To the best of our knowledge, this is the first nontrivial construction for SO(3)^n, SE(3)^n and the hypertorus T^n. We also construct new low discrepancy samplings of S^2 and SO(3). The central component in our construction for SO(3) is an explicit construction of N points in S^2 with discrepancy ildeØ(1/\sqrt{N}) with respect to convex sets, matching the bound achieved for the special case of spherical caps in \cite{ABD_12}. We also generalize the discrepancy of Cartesian product sets \cite{Chazelle04thediscrepancy} to the discrepancy of local Cartesian product sets. The tools we develop should be useful in generating low discrepancy samplings of other complicated geometric spaces.

研究动机与目标

• 为 SO(3)^n 和 SE(3)^n 等高维运动群乘积空间开发确定性、低差异性采样方法，这些方法在计算与数据科学应用中至关重要。
• 通过引入一种新颖的两步差异性框架，克服朴素直接乘积构造方法导致的高差异性采样问题。
• 在 SO(3)、S^2 和超环面 T^n 上构造显式低差异性点集，其差异性界与球面帽和凸集的已知最优界相匹配。
• 将差异性理论推广至局部笛卡尔乘积集，实现对具有复杂拓扑结构的非平凡几何群的结构化采样。
• 为包含受限旋转区域的混合乘积空间（如 SO(3)）提供高效、确定性的构造方法，其采样规模和差异性界接近最优。

提出的方法

• 提出一种两步差异性构造策略，将乘积空间分解为局部笛卡尔乘积集，从而实现差异性的模块化控制。
• 采用 S^2 上 N 个点的显式构造，其对凸集的差异性为 Õ(1/√N)，与 [ABD12] 中已知的球面帽最优界一致。
• 应用 [Cha00] 中的差异性界至局部笛卡尔乘积集，将经典乘积差异性结果推广至非均匀和非笛卡尔域。
• 利用霍普夫纤维丛将 SO(3) 表示为以 S^2 为基、S^1 为纤维的纤维丛，通过控制基空间与纤维实现结构化采样。
• 通过类似并集界的方法，整合各独立因子（如 SO(3)、R^3、S^1）的差异性界，以控制乘积空间中的总差异性。
• 推导出最终采样集的大小界为 (n/ε)^O(log log n + log log(1/ε) log log log(1/ε))，相较于直接乘积方法实现了近乎指数级的改进。

实验结果

研究问题

• RQ1 我们能否在 SO(3)^n 和 SE(3)^n 中构造出显著优于朴素直接乘积构造方法的确定性低差异性采样？
• RQ2 在 SO(3)^n 中，针对局部笛卡尔凸集，具有差异性 ε 的确定性点集的最小大小是多少？
• RQ3 能否通过显式构造实现与球面和旋转群理论最优界相匹配的差异性界？
• RQ4 如何将差异性理论推广至 SO(3) 和 SE(3) 等非平凡几何群中的局部笛卡尔乘积集？
• RQ5 在旋转角被限制于子区间的约束乘积空间 SO(3) 中，可实现的差异性是多少？

主要发现

• 本文首次为 SO(3)^n 和 SE(3)^n 构造出非平凡的确定性低差异性采样，其采样规模为 N = (n/ε)^O(log log n + log log(1/ε) log log log(1/ε))。
• 在 S^2 上，对凸集实现了 Õ(1/√N) 的差异性，与此前仅知适用于球面帽的最优界一致。
• 该方法可实现混合乘积空间（如 SO(3) ⊗ SE(2)^k ⊗ SO(3)）中的低差异性采样，且具有相同的渐近规模与差异性界。
• 本文提供了对受限 SO(3)^n 的构造方法，其中旋转角被限制于子区间，同时保持低差异性，且规模缩放关系不变。
• 全乘积空间的差异性界被控制在 ε_R + ∑ε_i 以内，其中 ε_R 为旋转分量的差异性，ε_i 为各独立因子的差异性。
• 理论框架将经典乘积差异性结果推广至局部笛卡尔乘积集，使复杂运动群（具有纤维丛结构）的应用成为可能。