Burer-Monteiro方法在可认证机器人感知中的应用综述
机器人学
2025-06-10 v2 计算机视觉与模式识别
机器学习
摘要
本文概述了Burer-Monteiro方法(BM)，这是一种已被应用于实时解决机器人感知问题以达到可认证最优性的技术。BM常用于求解半定规划松弛，这可用于对非凸感知问题进行全局优化。具体而言，BM利用典型半定规划的低秩结构，显著降低了执行优化的计算成本。本文讨论了BM在可认证感知中的应用，主要目标有三：(i) 将文献中的信息整合成一个统一的表述，(ii) 阐明线性独立约束规范(LICQ)的作用，这一概念在可认证感知文献中尚未得到充分覆盖，以及(iii) 分享从业者之间讨论但文献中未详尽涵盖的实践考虑。我们的总体目标是提供一个将BM应用于可认证感知的实用入门指南。
引用
@article{arxiv.2410.00117,
title = {An Overview of the Burer-Monteiro Method for Certifiable Robot Perception},
author = {Alan Papalia and Yulun Tian and David M. Rosen and Jonathan P. How and John J. Leonard},
journal= {arXiv preprint arXiv:2410.00117},
year = {2025}
}
备注
Accepted to 2024 Robotics: Science and Systems (RSS) Safe Autonomy Workshop