Delta-Position Estimation-Based IMU Odometry: A Comparison of MLP and Kolmogorov-Arnold Networks

技術要約：デルタ位置推定に基づくIMUオドメトリ：MLPとKolmogorov–Arnoldネットワークの比較

問題提起
GPS非依存環境における自律飛行車両の正確な位置推定は、依然として極めて重要な課題である。慣性計測装置（IMU）は高頻度のデータを提供するが、ノイズを含む測定値の二重積分による二次的な誤差成長という問題を抱えている。従来の解決策は、センサーフュージョン（例：視覚慣性オドメトリ）やモデルベースのフィルタリング（例：EKF、ファクターグラフ）に依存しているが、これらはセンサーモデルの不一致や運動学的仮定の破綻によって性能が低下することが多い。対照的に、局所的な変位回帰に多層パーセプトロン（MLP）を用いるような学習ベースのアプローチは、データ駆動型の代替案を提供するものの、依然として時間の経過に伴う系統的な誤差蓄積に悩まされる可能性がある。本研究では、学習可能な活性化関数を利用する新しいアーキテクチャであるKolmogorov–Arnoldネットワーク（KAN）が、モデルサイズをコンパクトに保ちつつ、長期的なドリフトを低減することで、標準的なMLPよりも慣性オドメトリにおいて優れた性能を発揮できるかどうかを調査する。

手法
本研究では、EuRoC MAVベンチマークデータセット（具体的にはV1_01_easyシーケンス）を使用しており、これには200 HzのIMUデータとViconによるグラウンドトゥルースが含まれる。問題は、ターゲットの定式化における固有のドリフトを避けるため、絶対位置回帰ではなくデルタ位置推定として定式化されている。

• データ処理: 生のIMU測定値（角速度および比力）を、スライディングウィンドウ（$W=10$ サンプル、50 ms）に整理する。ターゲットは、各ウィンドウの開始点と終了点の間における増分変位（$\Delta p$）である。
• アーキテクチャ:
  • MLPベースライン: 標準的なフィードフォワードネットワーク（$\mathbb{R}^{60} \to 256 \to 128 \to 64 \to \mathbb{R}^3$）であり、Batch Normalization、ReLU、Dropoutを備えている。これは57,859個の学習可能パラメータを持つ。
  • KAN: 固定されたノード活性化の代わりに、エッジ上に学習可能な単変数B-スプライン関数を持つネットワーク。アーキテクチャは $[60, 7, 5, 3]$、立方B-スプライン（$k=3$）、グリッドポイント数5で定義される。これは8,444個の学習可能パラメータ（MLPより約6.9倍少ない）を含む。
• 学習: 両モデルともAdamオプティマイザを用いて学習を行い、早期終了（early stopping）を適用した。軌跡は、予測された $\Delta p$ ベクトルの数値積分によって再構成された。
• 評価: パフォーマンスは、ステップごとの変位誤差（dRMSE、dMAE）および累積ドリフト指標（中央値 $P_{50}$、90パーセンタイル $P_{90}$、および最終ドリフト）を用いて測定された。

主な貢献

1. 実証的比較: 本研究は、制御された比較を通じて、KANが（57,859個のMLPに対し）大幅に少ないパラメータ数（8,444個）でありながら、同一のデルタ位置推定タスクにおいて、標準的なMLPと比較して最終的な累積ドリフトを44%削減できることを示している。
2. 系統的なアブレーション: 著者らは、IMUのサンプリング周波数とウィンドウサイズに関するアブレーション研究を実施し、各アーキテクチャの最適な動作条件を特定した。
3. 解釈可能性の分析: 本論文には、学習されたKANのスプライン関数の分析が含まれており、慣性センサーの物理特性と一致する、物理的に意味のあるチャネルの優先順位や局所性のバイアスが明らかになっている。これは、モデルがセンサーのダイナミクスの解釈可能な表現を学習していることを示唆している。

結果

• 短期的な精度: 両モデルとも短期的な予測精度において同等の性能を示し、dRMSEの差は無視できる程度であった（MLPの0.023 mに対し、KANは0.022 m）。
• 長期的な安定性: KANモデルは、誤差蓄積において優れた安定性を示した。
  • 最終ドリフト: MLPは17.23 mとなったのに対し、KANは9.61 mを達成した。
  • パーセンタイル・ドリフト: KANは、より低い中央値（$P_{50}$: 3.22 m vs. 5.18 m）および90パーセンタイル（$P_{90}$: 6.96 m vs. 10.06 m）の累積ドリフト値を示した。
• 計算コスト: KANモデルは、パラメータ数が少ないにもかかわらず、MLP（約41秒）と比較して大幅に長い学習時間（約460秒）を必要とした。

意義と主張
本論文は、学習可能なB-スプラインベースの活性化構造を持つKANが、数値積分中に誤差成分を部分的に相殺させることで、誤差の蓄積を低減し、慣性オドメトリに対して構造的な優位性を提供すると主張している。著者らは、KANが長期的な安定性が優先されるコンパクトな運動推定アプリケーションにおいて、有望な代替案となり得ると述べている。しかし、本研究は、KANの汎化性能が異なるウィンドウ長、サンプリング周波数、および飛行シーケンスに対してどのように作用するかについては、今後の研究におけるさらなる調査が必要であるとして、控えめに結論付けている。これらの知見は、複雑な非線形性をより少ないパラメータでモデル化できるKANアーキテクチャが、学習ベースの慣性オドメトリにおける誤差蓄積を低減するための実行可能な候補であることを示唆している。