How-to Augmented Lagrangian on Factor Graphs

要約

ファクター グラフは非常に強力なグラフィック表現であり、ロボット工学における多くの問題をモデル化するために使用されます。
これらは、Simultaneous Localization and Mapping (SLAM)、コンピューター ビジョン、およびローカリゼーションの分野で広く普及しています。
この論文では、ファクター グラフ ソルバーの制約付き最適化への拡張を提示することにより、最適制御などの他の領域とのギャップを埋めるアプローチについて説明します。
私たちの手法の核となるアイデアは、既存の因子グラフ ソルバーに直接統合できるグラフの因子に拡張ラグランジアン (AL) 手法をカプセル化することです。
姿勢推定、回転同期、擬似全方向プラットフォームのモデル予測制御 (MPC) という異なる分野から生じる 3 つのアプリケーションに対処することで、アプローチの一般性を示します。
私たちは C++ と ROS を使用してアプローチを実装しました。
アプローチの汎用性に加えて、アプリケーションの結果は、ドメイン固有のアプローチと有利に比較できることを示しています。

要約(オリジナル)

Factor graphs are a very powerful graphical representation, used to model many problems in robotics. They are widely spread in the areas of Simultaneous Localization and Mapping (SLAM), computer vision, and localization. In this paper we describe an approach to fill the gap with other areas, such as optimal control, by presenting an extension of Factor Graph Solvers to constrained optimization. The core idea of our method is to encapsulate the Augmented Lagrangian (AL) method in factors of the graph that can be integrated straightforwardly in existing factor graph solvers. We show the generality of our approach by addressing three applications, arising from different areas: pose estimation, rotation synchronization and Model Predictive Control (MPC) of a pseudo-omnidirectional platform. We implemented our approach using C++ and ROS. Besides the generality of the approach, application results show that we can favorably compare against domain specific approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google