일관성과 효율성을 겸비한 시각관성 내비게이션을 위한 등변 필터 변환

본 논문은 시각‑관성 내비게이션(VINS) 시스템에 적용되는 등변 필터(EqF)의 일관성 문제와 계산 효율성 문제를 동시에 해결하기 위한 새로운 프레임워크를 제시한다. 먼저, VINS의 상태 모델을 정의하고, 기존 EqF가 시스템 대칭을 이용해 비선형 추정 문제를 Lie 군 위로 올리는 방식을 설명한다. 그러나 기존 연구에서는 일관성을 보장하기 위한 대칭 선택이 경험적이며, 일관성을 확보하기 위해서는 관측 불가능 부분공간이 상태에 의존하지 않아야 하는데, 이를 만족하는 대칭을 찾는 과정이 복잡했다. 또한, 일관성을 위해 필요한 대칭은 종종 야코비안을 비블록대각 형태로 만들어 계산량을 크게 증가시켰다. 이러한 문제를 해결하기 위해 저자는 ‘전역‑지역 매핑(global‑local map)’ φ = ϑ ∘ ϕ_{\hat X}^{-1} 를 도입한다. 여기서 ϕ는 그룹 G가 상태 공간 M에 미치는 오른쪽 작용이며, ϑ는 전역 오류를 벡터 공간으로 매핑하는 좌표 차트이다. 두 개의 서로 다른 EqF에 대해 각각 φ와 φ*를 정의하면, 이들의 합성 φ* ∘ φ^{-1} 가 오류 상태 ε와 ε* 사이에 선형 변환 ε* = T ε을 만든다. T는 φ와 φ*의 야코비안으로 표현되며, 전역‑지역 매핑이 미분동형이므로 T는 비특이 행렬이다. 이 변환 관계는 오류 상태뿐 아니라 선형화된 오류 동역학(행렬 F, G, H)와 관측 불가능 부분공간(N)까지 일관되게 변환한다. 구체적으로, F* = \dot T T^{-1}+ T F T^{-1}, G* = T G, H* = H T^{-1} 로 나타내며, N* = T N 로 변환된다. 따라서 한 EqF(예: ESKF)에서 이미 설계된 행렬들을 변환 행렬 T만 이용해 다른 EqF에 그대로 적용할 수 있다. 이를 기반으로 논문은 일관성 설계 원칙을 제시한다. 관측 불가능 부분공간이 상태에 의존하면 필터가 해당 방향에서 과신하게 되므로, 일관성을 확보하려면 N이 상태와 무관해야 한다. 변환 관계를 이용하면, 복잡한 대칭 분석 없이도 기존에 구현이 쉬운 EqF의 좌표 차트를 적절히 변환해 N을 상태‑독립적으로 만들 수 있다. 즉, 원하는 일관성을 갖는 EqF를 설계하기 위해서는 ‘어떤 대칭을 선택하느냐’가 아니라 ‘어떤 변환 T를 적용하느냐’가 핵심이 된다. 계산 효율성 측면에서는, 일관성을 위해 필요한 비블록대각 야코비안을 직접 다루면 연산량이 급증한다. 저자는 두 가지 효율적인 구현 전략을 제안한다. 첫 번째는 ‘블록대각 변환 기반’ 전략으로, 복잡한 야코비안을 T와 T^{-1}의 곱으로 분해해 실제 연산은 블록대각 형태의 행렬에만 적용한다. 이렇게 하면 공분산 전파와 업데이트 단계에서 스파스 연산을 유지하면서도 일관성을 보존한다. 두 번째는 ‘스파스 전파’ 기법으로, 변환 전후의 공분산 행렬을 스파스 형태로 유지하고, 필요할 때만 전체 행렬을 재구성한다. 두 방법 모두 기존 ESKF와 동일한 블록대각 구조를 활용하므로, 연산 복잡도는 O(N) 수준에 머무른다. 실험에서는 Monte‑Carlo 시뮬레이션과 실제 로봇 데이터셋을 사용해 제안 방법을 검증한다. 일관성을 보장한 EqF는 관측 불가능 방향에서의 RMSE가 기존 EqF 대비 30% 이상 감소했으며, 전체 추정 정확도는 유지되었다. 또한 제안된 구현 전략은 평균 실행 시간을 30%~45% 정도 단축했으며, 특히 랜드마크 수가 많아지는 대규모 환경에서 그 효과가 두드러졌다. 결론적으로, 이 논문은 EqF 설계와 구현에 있어 ‘변환을 통한 재사용’이라는 새로운 패러다임을 제시한다. 전역‑지역 매핑을 이용한 오류 상태 변환 관계는 일관성 보장을 위한 대칭 선택을 체계화하고, 블록대각 구조를 활용한 효율적인 구현을 가능하게 한다. 이는 복잡한 비선형 시스템에서 실시간 요구사항을 만족하면서도 신뢰할 수 있는 추정 결과를 얻고자 하는 로봇 및 자율주행 분야에 큰 기여를 할 것으로 기대된다.