pypose/pypose

해결하는 문제

PyPose는 로보틱스 분야에서 데이터 중심의 딥러닝과 물리 기반 최적화 사이의 간극을 해결합니다. 딥러닝은 인지에는 뛰어나지만 일반화에 어려움이 있는 반면, 물리 기반 최적화는 일반화 성능은 좋지만 고수준의 의미적 이해가 부족하고 수동 튜닝이 필요합니다. PyPose는 이 두 가지 접근 방식을 결합하는 통합 프레임워크를 제공하여 로봇 학습을 더욱 효율적이고 해석 가능하며 새로운 환경에 적응할 수 있도록 만듭니다.

작동 원리

PyTorch를 기반으로 구축된 PyPose는 명령형 스타일의 인터페이스를 사용하여 심층 지각 모델을 물리 기반 최적화와 통합합니다. 기하학적 변환 및 시스템 역학을 처리하기 위한 전문 도구를 제공합니다:

• LieTensor: Lie 군(SO3, SE3, Sim3 등) 및 Lie 대수를 위한 전용 시스템으로, 회전 및 변환의 효율적인 계산을 가능하게 합니다.
• Modules: 시스템 모델링(LTI, LTV, NLS), 필터링(EKF, UKF, PF), 제어(LQR) 및 솔버(EPnP)를 위한 사전 구축된 구성 요소.
• Optimizers: Gauss-Newton 및 Levenberg-Marquardt와 같은 2차 최적화 도구로, bundle adjustment와 같은 복잡한 작업을 가속화하기 위한 희소 Jacobian 트레이싱을 지원합니다.

대상 사용자

실제 로봇 애플리케이션을 위해 딥러닝과 클래식한 물리 기반 최적화를 통합해야 하는 로보틱스 연구자 및 개발자를 위해 설계되었습니다.

주요 특징

• PyTorch 기반: 딥러닝 생태계와 원활한 통합.
• 높은 효율성: Lie 군 및 Lie 대수의 Jacobian 계산을 위한 병렬 컴퓨팅 지원.
• 희소 Jacobian 트레이싱: 대규모 문제에 대한 2차 최적화 속도를 크게 향상.
• 포괄적인 툴셋: 광범위한 Lie 군 연산, 필터 및 2차 최적화 도구 포함.