Measuring Multi-Source Redundancy in Factor Graphs

要約

ファクター グラフは、ロボティクスおよびマルチセンサー ネットワークにおけるマルチソース推論のユビキタス ツールです。
それらは、多くのソースからの不均一な測定値を状態事後分布の要因として同時に表現できるようにするため、スパースなグラフィカルな方法で推論を行うことができます。
多くのソースからの測定値を追加すると、分散ポーズ グラフの最適化に見られるように、状態推定にロバスト性を提供できます。
ただし、ファクター グラフに過剰な測定値を追加すると、グラフにサイクルが追加されるにつれて、パフォーマンスが急速に低下する可能性があります。
どちらの状況でも、関連する品質は情報の冗長性です。
部分情報分解 (PID) に関する情報理論の最近の研究を利用して、ファクター グラフの冗長性の共通の公理的フレームワーク内で、ファクター グラフの冗長性の 2 つの潜在的な定義を明確にします。
これは因子グラフへの PID の最初の適用であり、それらの冗長性の定量的尺度を提示する数少ないものの 1 つにすぎません。

要約(オリジナル)

Factor graphs are a ubiquitous tool for multi-source inference in robotics and multi-sensor networks. They allow for heterogeneous measurements from many sources to be concurrently represented as factors in the state posterior distribution, so that inference can be conducted via sparse graphical methods. Adding measurements from many sources can supply robustness to state estimation, as seen in distributed pose graph optimization. However, adding excessive measurements to a factor graph can also quickly degrade their performance as more cycles are added to the graph. In both situations, the relevant quality is the redundancy of information. Drawing on recent work in information theory on partial information decomposition (PID), we articulate two potential definitions of redundancy in factor graphs, both within a common axiomatic framework for redundancy in factor graphs. This is the first application of PID to factor graphs, and only one of a few presenting quantitative measures of redundancy for them.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google