기술 요약: 자연 기울기 베이지안 필터링 (NANO)

문제 제기

베이지안 필터링은 우주항공부터 로봇공학에 이르기까지 복잡한 동적 시스템의 상태 추정에 필수적입니다. 선형 가우시안 모델 (칼만 필터) 에는 정확한 해가 존재하지만, 비선형 및 비가우시안 시스템은 계산 가능한 근사가 필요합니다. 가장 널리 사용되는 접근법인 가우시안 필터링 (예: 확장 칼만 필터 - EKF, 무향 칼만 필터 - UKF) 은 "가능성 근사" 프레임워크에 의존합니다. 즉, 칼만 스타일의 업데이트를 적용하기 위해 선형 - 가우시안 대리 모델을 구축하는 것입니다.

본 논문은 이러한 패러다임의 구조적 한계를 지적합니다. UKF 와 같은 필터의 예측 단계는 모멘트 매칭 최적화로 해석될 수 있지만, 이러한 방법들의 측정 업데이트 단계는 종종 실제 베이지안 사후분포에 대한 최적의 가우시안 근사를 회복하지 못합니다. 구체적으로, 점 기반 선형화 (EKF) 나 모멘트 매칭 대리 모델 (UKF) 은 실제 사후분포와 가우시안 근사 간의 쿨백 - 라이블러 (KL) 발산을 최소화하는 최적화 문제와 반드시 일치하지는 않습니다. 또한, 가우시안 매개변수에 대한 표준 경사 하강법은 "기하학적 인식"을 하지 못해 매개변수화에 대한 민감도, 나쁜 스케일링, 양의 정부호 공분산 행렬 유지 시 잠재적 불안정성을 초래합니다.

방법론: NANO 프레임워크

저자들은 가우시안 필터링을 가우시안 분포의 통계적 다양체 (statistical manifold) 상의 최적화 문제로 재해석한 자연 기울기 가우시안 근사 (NANO) 필터를 제안합니다.

1. 정보 기하학적 관점

본 논문은 베이지안 필터링 단계를 통계적 다양체 상의 투영 문제로 해석합니다.

• 예측: 실제 사전분포를 가우시안 계열로 투영하는 전방 KL 투영으로 간주되며, 이는 모멘트 매칭을 통해 정확하게 해결됩니다.
• 업데이트: 측정 가능도 하에서 실제 사후분포와의 KL 발산을 최소화하는 가우시안 분포를 찾는 기하학적 인식 최적화 문제로 간주됩니다.

2. 자연 기울기 하강법

유클리드 경사 하강법 대신 NANO 는 자연 기울기 하강법 (NGD) 을 사용합니다. 이 방법은 피셔 정보 행렬 (FIM) 을 통계적 다양체의 리만 계량으로 활용합니다.

• 매개변수화: 필터는 평균 ($\hat{x}$) 과 정보형 공분산 ($P^{-1}$) 을 최적화합니다.
• 업데이트 규칙: 업데이트 방향은 $\tilde{\nabla} J = F^{-1} \nabla J$로 정의되며, 여기서 $F$는 FIM 입니다. 이는 업데이트가 매개변수화에 불변이며 가우시안 계열의 고유한 기하학을 존중하도록 보장합니다.
• 반복적 체계: 측정 업데이트는 반복적으로 해결됩니다. 알고리즘은 현재 가우시안 추정치 하에서 손실 함수와 그 도함수 (또는 헤시안) 의 기대값을 계산하여 평균과 공분산을 정제합니다.
• 미분 없는 구현: 손실 함수의 분석적 도함수를 계산하는 것을 피하기 위해 저자들은 스타인-type 항등식 (보네트 정리와 프라이스 정리) 을 활용하여 기대값을 손실 가중 모멘트로 재작성함으로써 미분 없는 업데이트 규칙을 가능하게 합니다.

3. 실용적 구현 세부 사항

• 양의 정부호성: 반복적 업데이트 동안 공분산 행렬이 양의 정부호로 유지되도록 하기 위해, 논문은 두 가지 방법을 제안합니다: (1) 로그 가능도의 헤시안을 양의 준정부호 행렬로 근사 (가우스 - 뉴턴 근사에 해당) 하는 것, (2) 역공분산의 초로데스키 인자에 대한 업데이트 수행. 전자 (1) 는 계산 효율성으로 인해 표준 NANO 에 권장됩니다.
• 다양체 확장: 리 군 (예: 방향을 위한 $SO(3)$) 위에서 진화하는 시스템의 경우, NANO 필터는 다양체에서 작동하도록 확장됩니다. 이는 지수 및 로그 맵 ($\oplus, \ominus$) 을 통해 유클리드 공간에 오차 상태를 정의하고, 이러한 오차 상태에 대해 자연 기울기 반복을 수행하면서 명목 상태를 다양체 상에 유지하는 것을 포함합니다.

주요 기여

1. 통합 프레임워크: 본 논문은 가우시안 필터링에 대한 통합된 정보 기하학적 해석을 제공하여, 예측 및 업데이트 단계가 통계적 다양체 상의 서로 다른 투영 문제임을 명확히 합니다.
2. 기하학적 인식 업데이트: 사후분포를 반복적으로 정제하기 위해 자연 기울기 하강법을 사용하는 NANO 필터를 도입합니다. 이 접근법은 가우시안 분포의 고유한 기하학을 존중하여 매개변수화 불변성을 보장하고 양의 정부호 공분산을 유지합니다.
3. 이론적 연결: 저자들은 선형 - 가우시안 시스템의 경우 NANO 의 단일 자연 기울기 단계가 고전적 칼만 필터 측정 업데이트를 정확하게 회복함을 보여줌으로써, 제안된 방법과 최적 선형 해법 간의 엄밀한 연결을 확립합니다.
4. 미분 없는 공식화: 스타인 항등식을 이용한 미분 없는 업데이트 규칙의 유도로 인해 명시적 기울기 계산 없이도 복잡한 손실 함수에 적용 가능한 방법을 제공합니다.

실험 결과

본 논문은 비선형 추정 문제를 다루는 네 가지 사례 연구를 통해 NANO 를 검증합니다.

1. 위성 자세 추정:

   • 설정: 비가우시안 과정 잡음 (라플라스) 과 오염된 관측 잡음.
   • 결과: NANO 는 EKF 및 UKF 에 비해 훨씬 낮은 제곱근 평균 제곱 오차 (RMSE) 를 달성했습니다 (예: 한 시나리오에서 0.589 대 0.944). 이는 비가우시안 잡음 및 초기화 오류에 대한 뛰어난 견고성을 입증합니다.

2. 차량 SLAM (NANO-SLAM):

   • 설정: 시드니 빅토리아 파크 데이터셋의 실제 차량 궤적.
   • 결과: NANO-SLAM 은 국소화 RMSE 를 2.538m 로 줄여 UFastSLAM (5.147m) 및 EKF-SLAM (7.783m) 대비 50% 이상 개선했으며, 계산 시간은 UFastSLAM 과 유사하게 유지되었습니다 (~17.7ms 대 ~14.9ms).

3. 4 족 로봇 상태 추정 (NANO-L):

   • 설정: 불안정한 접촉 조건을 가진 리 군 다양체 ($SE(3)$) 상의 상태 추정.
   • 결과: NANO-L 은 절대 궤적 오차 (ATE) 및 상대 오차 (RE) 에서 EKF 및 InEKF 를 모두 능가했습니다. 불안정한 지형에서는 InEKF 대비 위치 ATE 를 약 41% 감소시켜 불완전한 접촉 감지로 인한 드리프트를 효과적으로 완화했습니다.

4. 휴머노이드 로봇 상태 추정:

   • 설정: IMU 및 다리 오도메트리를 활용한 시뮬레이션 휴머노이드 보행.
   • 결과: NANO 는 EKF 및 UKF 에 비해 위치 및 속도 (ATE 및 RE) 에서 가장 낮은 오차를 달성하여, 급격한 운동 전환 및 회전 중 더 나은 추적 정확도를 보여주었습니다.

중요성 및 주장

본 논문은 NANO 프레임워크가 전통적인 선형화 기반 가우시안 필터에 대한 원칙적인 대안을 제공한다고 주장합니다. 정보 기하학의 렌즈를 통해 필터링을 바라봄으로써 NANO 는 대리 선형화로 인한 구조적 불일치를 피합니다. 저자들은 다음과 같은 점을 강조합니다.

• 이 방법은 매개변수화에 불변인 기하학적 인식 업데이트를 제공하여, 표준 기울기 기반 접근법의 불안정성 및 조정 어려움을 해결합니다.
• 선형 - 가우시안 극한에서 칼만 필터를 정확하게 회복하여 이론적 일관성을 보장합니다.
• 이 접근법은 실용적으로 실행 가능합니다. 실제 실험에서 비가우시안 잡음과 복잡한 동역학이 존재할 때 정확도와 견고성 면에서 최첨단 기준 (EKF, UKF, InEKF, UFastSLAM) 을 일관되게 능가하면서도 prohibitive 한 계산 비용을 초래하지 않았기 때문입니다.

이 연구는 NANO 를 단순히 새로운 필터가 아닌, 변분 추론, 최적화, 정보 기하학을 연결하여 비선형 동적 시스템의 상태 추정을 개선하는 통합적 관점으로 위치시킵니다.