Geometric Observability Index: An Operator-Theoretic Framework for Per-Feature Sensitivity, Weak Observability, and Dynamic Effects in SE(3) Pose Estimation

技術要約：SE(3) ポーズ推定における幾何学的観測可能性指数（Geometric Observability Index）

問題提起
$SE(3)$ 上のポーズ推定は、ビジュアルオドメトリ、SLAM、および構造復元（SfM）において極めて重要である。現在の主流なバックエンドは、主に残差の大きさ（例：カイ二乗ゲーティング、ロバストカーネル）に基づいて、どの測定値を信頼すべきかを判断している。本論文は、この前提が弱観測幾何学（例：低パララックスや純粋回転に近いシナリオ）においては成立しないと主張する。このようなケースでは、観測性の低い方向に向いた中程度の残差を持つ測定値が、よく拘束された方向にある大きな残差よりも、推定ポーズを大幅に変動させてしまう可能性がある。この増幅係数は、最小曲率固有値の逆数（$1/\lambda_{min}$）に反比例し、観測性が低下するにつれて無限大へと発散する。その結果、残差の大きさにのみ依存することは、測定値の情報量と潜在的な害を混同することになり、弱観測領域において高レバレッジなインライアを過剰に棄却してしまう事態を招く。

手法およびフレームワーク
著者らは、$SE(3)$ 上の作用素論的フレームワークから導出された、特徴量ごとの感度尺度である**幾何学的観測可能性指数（Geometric Observability Index: GOI）**を導入する。

1. 数学的定式化:

   • $H = E[J^\top W J]$ を曲率（ガウス・ニュートン・ヘッセ行列）とし、$G$ をリー代数 $se(3)$ 上のリマン計量とする。
   • 曲率作用素は $A = G^{-1}H$ と定義され、これは $G$-内積に関して自己随伴である。
   • 観測可能部分空間は $O = \text{range}(A)$ である。作用素 $A$ はこの部分空間上に制限された $A_{OO}$ として扱われる。
   • 測定値 $z$ に対して、スコアは $\psi(z) = J^\top W r(z)$ であり、その勾配表現は $\phi(z) = G^{-1}\psi(z)$ である。
   • GOI は、単一の測定値が及ぼす影響の $G$-ノルムとして定義される：
     $$\text{GOI}(z) = \| A_{OO}^{-1} P_O \phi(z) \|_G = \| A^\dagger_G \phi(z) \|_G$$
     ここで、$P_O$ は $O$ への $G$-直交射影であり、$A^\dagger_G$ は $G$-擬逆行列である。

2. スペクトル特性:
   固有値 $\lambda_i$ を持つ $A$ の $G$-正規直交基底において、二乗指数は以下の通りとなる：
   $$\text{GOI}(z)^2 = \sum_{i: \lambda_i > 0} \frac{\psi_i(z)^2}{\lambda_i^2}$$
   この形式は、GOIが弱観測方向（小さな $\lambda_i$）に沿ってスコアのエネルギーを増幅することを明示的に示している。

3. 理論的統一:
   本フレームワークは、単一の作用素 $A$ のスペクトル幾何学の下で、以下の4つの異なる概念を統一する：

   • 影響関数（Influence Function）: GOIはM推定量の影響関数における $G$-ノルムに等しい（定理1）。
   • フィッシャー情報量（Fisher Information）: ガウスノイズの下では、フィッシャー情報量は曲率 $H$ と一致する（定理2）。
   • コンディショニング（Conditioning）: 最小固有値 $\lambda_{min}$ が、弱観測性とノイズの増幅を支配する。
   • 有限サンプル安定性（Finite-Sample Stability）: 推定誤差は $O(\sigma / \sqrt{n \lambda_{min}})$ に従う（定理3）。

4. 標準化とカイ二乗等価性:
   重要な理論的結果（命題2）は、影響がそのインライアの零共分散によって標準化されたとき、それが正確に古典的なカイ二乗残差統計量（$r^\top W r / \sigma^2$）に収束することを証明している。これにより、残差ゲーティングが実質的に「レバレッジ補正された」影響テストであることが確立される。逆に、アウトライア判定に生のGOI（非標準化）を使用することは、弱観測幾何学においては情報と害を混同するため、理論的に不適切であることが示されている。

主な貢献

1. 厳密な帰属（Exact Attribution）: 本論文は、GOIが単一の測定値によって引き起こされる正確な一次近似のポーズシフトであることを証明している。これは、leave-one-outによる真のポーズシフトと相関係数 $r=1.00$ で一致する。
2. ヒューリスティックの統一: 本フレームワークは、ロバストカーネル、カイ二乗テスト、およびコンディション・ナンバーの閾値を、単一の作用素論的対象へと接地させ、それらの関係性と失敗モードを説明する。
3. 弱観測則: 著者らは、並進の観測可能性がパララックスに対して二次的に崩壊する（$\lambda_{min} \propto \text{parallax}^2$）ことを示す閉形式のスペクトル表現を導出し、退化検出のための精密なメカニズムを提供した。
4. 安定性半径: 決定論的なコンディショニングと統計的誤差のスケーリングを結びつける、有限サンプル安定性境界を導出した。
5. 厳密な検証: 単なる形式的な扱いにとどまらず、制御された合成 $SE(3)$ 問題および実世界のデータセット（TUM RGB-D および KITTI）を用いて、すべての定量的主張を検証した。

実験結果

• 合成検証:
  • 影響則: 予測されたGOIと経験的なポーズシフトとの間の相関 $r=1.00$ を確認した。
  • フィッシャー・曲率恒等式: 相対誤差 $1.8 \times 10^{-3}$ で検証された。
  • 並進崩壊: $\lambda_{min}$ 対パララックスの適合指数は $1.98$ であり、予測された二次スケーリングと一致した。
  • 安定性則: 誤差のスケーリングは、ノイズレベル、サンプルサイズ、およびコンディショニングを横断して、変動係数 5% 以内の単一のラインに収束した。
• 実データ研究:
  • TUM RGB-D（良好なコンディショニング）: 高いコンディショニング（$\text{cond}(H) \approx 10^2$）を持つ屋内シーンでは、GOIゲーティングと残差ゲーティングは、スペクトルが平坦であるという理論の予測通り、同一の性能を示した（パリティ）。
  • KITTI（弱観測）: 低パララックス（$\text{cond}(H) \approx 10^4$）を伴う屋外の街路シーンでは、生のGOIゲーティングは、残差ゲーティングと比較して著しく性能を低下させた。生の指数は、弱方向にある高レバレッジなインライアを過剰に棄却しており、これは「標準化されていない影響は、ノイズが支配的な弱観測幾何学においては誤解を招く」という理論的予測を裏付けている。

意義と主張
本論文は、古典的なカイ二乗残差テストの経験的な堅牢性に対する第一原理的な説明を提供している。すなわち、それは正しく標準化された影響関数である。同時に、生の「影響」に基づくゲーティングの明確な失敗モードを記述している。すなわち、それは情報を害と混同することで、弱観測幾何学において失敗する。

著者らは、GOIをアウトライア検出のための（カイ二乗テストに代わる）置き換えとしてではなく、帰属、監査、および感度分析（どの測定値が推定値をどれだけ動かすか）のための正しい指標として位置づけている。このフレームワークは、コンディショニング解析、フィッシャー情報量、および退化検出を統一し、$\lambda_{min}$ による弱観測性の診断や、$\rho_1$ によるアライメントリスクの診断のための厳密なツールを提供する。本研究は、新しいSLAMシステムとしての提案ではなく、理論的かつ診断的な進展として提示されており、再現性のためにすべてのコードが公開されている。