論文の概要: Distributed Pose Graph Optimization via Continuous Riemannian Dynamics

• arxiv url: http://arxiv.org/abs/2605.11210v1
• Date: Mon, 11 May 2026 20:24:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-13 21:48:56.408272
• Title: Distributed Pose Graph Optimization via Continuous Riemannian Dynamics
• Title（参考訳）: 連続リーマンダイナミクスによる分散ポーズグラフ最適化
• Authors: Jaeho Shin, Maani Ghaffari, Yulun Tian,
• Abstract要約: 分散ポーズグラフ最適化(PGO)のためのフレームワークを提案する。 ポーズ変数を減衰する粒子としてモデル化することにより、結果のPGO問題の平衡点は、元のPGO問題の1次臨界点と一致する。 PGOデータセットのベンチマーク実験により,提案手法は同期型と非同期型のいずれにおいても,最先端の分散ベースラインよりも優れた性能が得られることが示された。
• 参考スコア（独自算出の注目度）: 10.991847864573437
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present a framework for distributed Pose Graph Optimization (PGO) by formulating the problem as a second-order continuous-time dynamical system evolving on Lie groups. By modeling pose variables as massive particles subject to damping, the equilibrium points of the resulting Riemannian dynamics coincide with first-order critical points of the original PGO problem. Using the governing damped Euler--Poincaré equations and a semi-implicit geometric integrator, we design an optimization algorithm that generalizes existing algorithms such as Riemannian gradient descent and Gauss--Newton. In multi-robot settings, we present a fully distributed and parallel method based on block-diagonal mass and damping matrices, where each robot solves an ordinary differential equation for its own poses with minimal communication overhead. Moreover, modeling both state and velocity enables principled neighbor prediction that significantly improves convergence under delayed communication. Theoretically, we present an analysis and establish sufficient condition that ensures energy dissipation under the employed geometric discretization scheme. Experiments on benchmark PGO datasets demonstrate that the proposed solver achieves superior performance compared to state-of-the-art distributed baselines in both synchronous and asynchronous regimes.
• Abstract（参考訳）: 本稿では,Lieグループ上で進化する2階連続時間力学系として問題を定式化し,分散ポーズグラフ最適化(PGO)のためのフレームワークを提案する。 変数を減衰する粒子としてモデル化することにより、結果のリーマン力学の平衡点は元のPGO問題の一階臨界点と一致する。 減衰したオイラー-ポアンカレ方程式と半単純幾何積分器を用いて、リーマン勾配やガウス-ニュートンのような既存のアルゴリズムを一般化する最適化アルゴリズムを設計する。 マルチロボット設定において,ブロック対角質量と減衰行列に基づく完全分散並列手法を提案する。 さらに、状態と速度の両方をモデル化することで、遅延通信下での収束を著しく改善する原理的な隣接予測が可能になる。 理論的には、採用した幾何学的離散化スキームの下でエネルギー散逸を確実にする十分な条件を解析し、確立する。 PGOデータセットのベンチマーク実験により,提案手法は同期型と非同期型のいずれにおいても,最先端の分散ベースラインよりも優れた性能が得られることが示された。

関連論文リスト

• Stability and Generalization of Push-Sum Based Decentralized Optimization over Directed Graphs [55.77845440440496]
  プッシュベースの分散通信は、情報交換が非対称である可能性のある通信ネットワークの最適化を可能にする。 我々は、グラディエント・プッシュ(SGP)アルゴリズムのための統一的な一様安定性フレームワークを開発する。 重要な技術的要素は、2つの量に束縛された不均衡認識の一般化である。
  論文  参考訳（メタデータ） (2026-02-24T05:32:03Z)
• Parallel Diffusion Solver via Residual Dirichlet Policy Optimization [88.7827307535107]
  拡散モデル(DM)は、最先端の生成性能を達成したが、シーケンシャルなデノナイジング特性のため、高いサンプリング遅延に悩まされている。 既存のソルバベースの加速度法では、低次元の予算で画像品質が著しく低下することが多い。 本研究では,各ステップに複数の勾配並列評価を組み込んだ新しいODE解法であるEnsemble Parallel Directionsolvr(EPD-EPr)を提案する。
  論文  参考訳（メタデータ） (2025-12-28T05:48:55Z)
• Self-Supervised Coarsening of Unstructured Grid with Automatic Differentiation [55.88862563823878]
  本研究では,微分可能物理の概念に基づいて,非構造格子を階層化するアルゴリズムを提案する。 多孔質媒質中のわずかに圧縮可能な流体流を制御した線形方程式と波動方程式の2つのPDE上でのアルゴリズムの性能を示す。 その結果,検討したシナリオでは,関心点におけるモデル変数のダイナミクスを保ちながら,格子点数を最大10倍に削減した。
  論文  参考訳（メタデータ） (2025-07-24T11:02:13Z)
• Distributed Optimization via Energy Conservation Laws in Dilated Coordinates [5.35599092568615]
  本稿では,拡張座標における連続時間力学系の解析のためのエネルギー保存手法を提案する。 収束率を逆時間差係数で明示的に表すことができる。 その高速化された収束挙動は、実用的、大規模問題に対する様々な最先端分散最適化アルゴリズムに対してベンチマークされる。
  論文  参考訳（メタデータ） (2024-09-28T08:02:43Z)
• A Model-Constrained Discontinuous Galerkin Network (DGNet) for Compressible Euler Equations with Out-of-Distribution Generalization [0.0]
  本稿では,モデル制約付き不連続なGalerkin Network (DGNet) アプローチを提案する。 DGNetの中核は、いくつかの重要な戦略のシナジーである。 1次元および2次元圧縮可能なオイラー方程式問題に対する包括的数値計算結果を提案する。
  論文  参考訳（メタデータ） (2024-09-27T01:13:38Z)
• Discretized Distributed Optimization over Dynamic Digraphs [6.239775988430136]
  動的有向グラフ上での連続時間分散最適化の離散時間モデルを考える(図) 我々のアルゴリズムは、スイッチングトポロジの下で、一般に接続された動的ネットワーク上で機能する。 提案するフレームワークは,分散分類と学習に適用できる。
  論文  参考訳（メタデータ） (2023-11-14T06:33:41Z)
• NAG-GS: Semi-Implicit, Accelerated and Robust Stochastic Optimizer [45.47667026025716]
  2つの重要な要素に依存した、新しく、堅牢で、加速された反復を提案する。 NAG-GSと呼ばれる手法の収束と安定性は、まず広範に研究されている。 我々は、NAG-arityが、重量減衰を伴う運動量SGDや機械学習モデルのトレーニングのためのAdamWといった最先端の手法と競合していることを示す。
  論文  参考訳（メタデータ） (2022-09-29T16:54:53Z)
• Joint Network Topology Inference via Structured Fusion Regularization [70.30364652829164]
  結合ネットワークトポロジ推論は、異種グラフ信号から複数のグラフラプラシア行列を学習する標準的な問題を表す。 新規な構造化融合正規化に基づく一般グラフ推定器を提案する。 提案するグラフ推定器は高い計算効率と厳密な理論保証の両方を享受できることを示す。
  論文  参考訳（メタデータ） (2021-03-05T04:42:32Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。