状態推定のためのLie群上の最適化2
状態推定のためのLie群の多様体上の最適化 - しゃけのブログ の続き
繰り返しだが,
[1812.01537] A micro Lie theory for state estimation in robotics
を参考にさせていただいた.
前回のまとめ
また,Lie群上の最適化はLie代数を通してユークリッド空間上の最適化問題へと帰着できる,という展望も述べていた.
今回は,Lie代数の性質について,ベクトル空間であるということを詳しく見ていくことにする. 後半では指数写像(と対数写像)についてみていく.
Lie代数の性質
Lie代数の性質として次が挙げられる. 前回の記事で言った随伴表現に関しては次の記事に回すことにする.
まずは1つ目から見ていく
ベクトル空間としてのLie代数
Lie代数はベクトル空間としてみることができる.
これは言い換えると次のとおりである.
「任意のLie代数の要素はいくつかの基底の線形結合で表せる」
Lie群に対するLie代数があったとして, Lie代数の要素は係数ベクトルと基底で次のように表現される.
この係数ベクトル()とLie代数の要素は一対一対応する.
つまり係数ベクトルに対して一意にLie代数の要素が対応する.
係数ベクトルからLie代数の要素へ写す写像はのように「」で表すことが多い. (Wedge演算と呼ばれている)
逆に,任意のLie代数の要素に対応する係数ベクトルも一意に決定される.
この逆操作の演算を「」と表すとする.つまり (Vee演算と呼ばれている)
まとめると,次のような関数「」と「」をLie代数と係数ベクトルの間の写像として定義した.
言い換えると,Lie代数とベクトル空間は同型であるといえる. このことは,ともとも表される.
指数写像
Lie群とLie代数の関係を見てきたが,この章ではそれらをつなぐ写像を考えていきたい.
実は,Lie代数の要素を対応するLie群の要素へと厳密に写す写像が存在する. その写像は,指数写像と呼ばれている.
指数写像はその名の通り,指数関数をより一般的に拡大したものとなっている.
Lie代数の指数関数って...?となると思うが,後で説明するとしてとりあえず見ていく.
Lie代数とLie群の対応から導かれる指数写像
なぜLie代数をLie群へ写す写像が指数写像なのかを見ていく. ※この説明はあまり厳密ではなく直観的なものとしてみてほしい
まず,時刻ごとにLie群上を動く点,ただし(単位元)を考える.
微分の定義より,
\begin{align} \frac{\mathrm{d}\mathcal{X}(t)}{\mathrm{d}t} & = \lim_{\delta t \to 0} \frac{\mathcal{X}(t+\delta t) - \mathcal{X}(t)}{\delta t} \\ & = \lim_{\delta t \to 0} \frac{\mathcal{X}(\delta t)\mathcal{X}(t) - \mathcal{X}(t)}{\delta t} \\ & = \lim_{\delta t \to 0} \frac{\mathcal{X}(\delta t) - \mathcal{X}(0)}{\delta t} \mathcal{X}(t) \\ & = \left.\frac{\mathrm{d} \mathcal{X}(t)}{\mathrm{d}t}\right|_{t=0} \mathcal{X}(t) \end{align}
ここで,は,接空間の定義から,Lie群の単位元における接空間の要素,つまりLie代数の要素となる. なので,とおく.
まとめるとの形になっている.
この微分方程式の一般解は,実数の微分方程式の知見からの形になると考えられる. ()
このことから,Lie代数からLie群への写像は指数関数の行列(Lie代数)への自然な拡張となっていると考えられる.
CV・CG・ロボティクスのためのリー群・リー代数入門: (0) 目次 - swk's log はてな別館
指数写像の性質
この指数写像には次のような,実数の場合と同じような性質がある.
最後の性質は非常に強力.テイラー級数を展開して,の項を消して証明できる.
対数写像
つまり,逆写像としてLie群からLie代数の要素への写像が存在するということである.
これを対数写像といい,で表す.
Capitalized exponential map
ここまでで,係数ベクトル空間とLie代数が相互に変換可能であるという話と,Lie群とLie代数が指数写像という写像を使って変換可能であるという,2段階の変換を説明してきた.
この変換を合成として用意するのはやや面倒なので,簡単のために次のような演算を定義しておく.
今までの演算をまとめると次のような図が描ける.
次回は,Lie群上での移動をLie代数上で考える和と差の演算について,さらにAdjoint(随伴表現)についても説明する.