PyPose

딥러닝과 리 군 최적화를 활용한 미분 가능 로보틱스용 PyTorch 라이브러리

라이선스

Apache-2.0

개요

PyPose는 로보틱스에서 딥러닝과 물리 기반 최적화를 연결하는 PyTorch 기반 라이브러리입니다. 리 군 연산, 칼만 필터(EKF, UKF), 포즈 그래프 최적화, 2차 최적화기(가우스-뉴턴, 레벤버그-마쿼트), IMU 사전적분, LQR 제어의 미분 가능한 구현을 제공하며, 모두 PyTorch의 autograd와 통합되어 전체 로보틱스 스택을 통한 엔드투엔드 그래디언트 계산이 가능합니다.

PyPose는 PyTorch 내에서 미분 가능한 리 군 연산, 상태 추정 필터, 2차 최적화기를 제공함으로써 로보틱스에서 딥러닝과 물리 기반 최적화를 연결합니다. 전체 로보틱스 인지 및 제어 파이프라인을 통한 엔드투엔드 그래디언트 기반 학습을 가능하게 합니다.

중요한 이유

PyPose는 고전적 알고리즘을 미분 가능하게 만들고 현대 딥러닝과 호환되게 하여 로보틱스 소프트웨어의 중요한 공백을 해소합니다. SLAM, 제어, 상태 추정을 위해 물리 기반 방법의 일반화 능력과 신경망의 유연성을 결합할 수 있게 합니다.

해결하는 문제

SLAM, 제어, 상태 추정을 위한 전통적인 로보틱스 알고리즘은 미분 불가능하여 딥러닝 학습 파이프라인과 호환되지 않습니다. PyPose는 이러한 알고리즘을 미분 가능한 PyTorch 연산으로 래핑하여 전체 로보틱스 스택을 통한 그래디언트 기반 학습을 가능하게 합니다.

핵심 요점

• PyTorch에서의 미분 가능한 리 군 연산(SO3, SE3, Sim3)
• 상태 추정: EKF, UKF, 파티클 필터, IMU 사전적분
• 2차 최적화기: 가우스-뉴턴, 레벤버그-마쿼트
• PyTorch autograd 완전 통합으로 pip 설치 가능

대상

• 딥러닝과 고전적 방법의 교차점에 있는 로보틱스 연구자
• 미분 가능한 파이프라인을 원하는 SLAM 및 비주얼 오도메트리 연구자
• 신경망에 물리 기반 사전지식이 필요한 로봇 학습 실무자

한계

• PyTorch와 리 군 이론 모두에 대한 이해가 필요
• 매우 대규모 SLAM의 성능이 전용 C++ 구현에 미치지 못할 수 있음
• 라이브러리가 아직 성숙 중 — 일부 고급 기능이 불완전할 수 있음