Asynchronous and Parallel Distributed Pose Graph Optimization

要約

我々は、複数ロボットの同時位置特定とマッピングにおける分散ポーズグラフ最適化 (PGO) のための初の非同期アルゴリズムである非同期確率的並列ポーズグラフ最適化 (ASAPP) を紹介します。
ASAPP は、ロボットが同期せずにローカル軌道推定を最適化できるようにすることで、通信遅延に対する回復力を提供し、ネットワーク内での遅れを待つ必要性を軽減します。
さらに、ASAPP は、グローバル最適 PGO に関する最近の進歩の基礎となる重要なクラスの非凸リーマン最適化問題である PGO のランク制限緩和に適用できます。
制限された遅延の下で、十分に小さいステップサイズを使用して ASAPP のグローバル 1 次収束を確立します。
導出されたステップサイズは、最悪の場合の遅延と固有の問題のスパース性に依存し、さらに遅延がない場合の同期アルゴリズムの既知の結果と一致します。
シミュレートされたデータセットと現実世界のデータセットの数値評価では、最先端の同期アプローチと比較して良好なパフォーマンスが実証され、実際の幅広い遅延に対する ASAPP の回復力が示されています。

要約(オリジナル)

We present Asynchronous Stochastic Parallel Pose Graph Optimization (ASAPP), the first asynchronous algorithm for distributed pose graph optimization (PGO) in multi-robot simultaneous localization and mapping. By enabling robots to optimize their local trajectory estimates without synchronization, ASAPP offers resiliency against communication delays and alleviates the need to wait for stragglers in the network. Furthermore, ASAPP can be applied on the rank-restricted relaxations of PGO, a crucial class of non-convex Riemannian optimization problems that underlies recent breakthroughs on globally optimal PGO. Under bounded delay, we establish the global first-order convergence of ASAPP using a sufficiently small stepsize. The derived stepsize depends on the worst-case delay and inherent problem sparsity, and furthermore matches known result for synchronous algorithms when there is no delay. Numerical evaluations on simulated and real-world datasets demonstrate favorable performance compared to state-of-the-art synchronous approach, and show ASAPP’s resilience against a wide range of delays in practice.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google