pypose/pypose

解決する課題

PyPoseは、ロボティクスにおけるデータ中心のディープラーニングと物理ベースの最適化の間のギャップを埋めるものです。ディープラーニングは知覚には優れていますが汎用性に課題があり、物理ベースの最適化は汎用性は高いものの、高度な意味的理解に欠け、手動の調整が必要です。PyPoseはこれら2つのアプローチを組み合わせるための統一されたフレームワークを提供し、ロボット学習をより効率的で解釈可能にし、新しい環境への適応力を高めます。

仕組み

PyTorch上に構築されたPyPoseは、命令型のインターフェースを使用して、深層知覚モデルを物理ベースの最適化に統合します。幾何学的変換とシステムダイナミクスを扱うための専門的なツールを提供します：

• LieTensor: Lie群（SO3, SE3, Sim3など）およびLie代数のための専用システムであり、回転と変換の効率的な計算を可能にします。
• Modules: システムモデリング（LTI, LTV, NLS）、フィルタリング（EKF, UKF, PF）、制御（LQR）、およびソルバー（EPnP）のための構築済みコンポーネント。
• Optimizers: Gauss-NewtonやLevenberg-Marquardtなどの二次最適化手法。bundle adjustmentのような複雑なタスクを加速させるためのスパースなJacobianトレーシングもサポートしています。

対象者

実世界のロボットアプリケーションのために、ディープラーニングと古典的な物理ベースの最適化を統合する必要があるロボティクス研究者および開発者向けに設計されています。

ハイライト

• PyTorchベース: ディープラーニングのエコシステムとシームレスに統合。
• 高効率: Lie群およびLie代数のJacobian計算のための並列コンピューティングをサポート。
• スパースJacobianトレーシング: 大規模な問題に対する二次最適化を大幅に加速。
• 包括的なツールセット: 幅広いLie群演算、フィルタ、および二次最適化手法を含む。