pypose/pypose

解決的問題

PyPose 解決了機器人領域中以數據為中心的深度學習與基於物理的優化之間的鴻溝。深度學習擅長感知但難以泛化，而基於物理的優化泛化能力強但缺乏高層語義理解且需要手動調優。PyPose 提供了一個統一的框架來結合這兩種方法，使機器人學習更加高效、可解釋，並能適應新環境。

工作原理

PyPose 構建在 PyTorch 之上，使用命令式風格的介面將深度感知模型與基於物理的優化相結合。它提供了處理幾何變換和系統動力學的專業工具：

• LieTensor：專用於 Lie 群（如 SO3, SE3, Sim3）和 Lie 代數的系統，能夠實現旋轉和變換的高效計算。
• Modules：用於系統建模 (LTI, LTV, NLS)、濾波 (EKF, UKF, PF)、控制 (LQR) 和求解器 (EPnP) 的預建組件。
• Optimizers：二階優化器，如 Gauss-Newton 和 Levenberg-Marquardt，包括支持稀疏 Jacobian 追蹤，以加速 bundle adjustment 等複雜任務。

適用對象

專為需要將深度學習與經典物理優化相結合，以實現實際機器人應用的機器人研究人員和開發人員設計。

亮點

• 基於 PyTorch：與深度學習生態系統無縫集成。
• 高效率：支持 Lie 群和 Lie 代數 Jacobian 計算的並行計算。
• 稀疏 Jacobian 追蹤：顯著加速大規模問題的二階優化。
• 全面的工具集：包含廣泛的 Lie 群操作、濾波器和二階優化器。