CARD, sigla de «Proof-Carrying Certificate-to-Action Interface for Relative-Measurement Graphs» (interfaz de certificados con pruebas para conectar certificados con acciones en grafos de mediciones relativas), es un marco para vincular certificados matemáticos en la estimación geométrica con acciones que un robot puede ejecutar. El trabajo destaca que el resultado de un verificador, una transformación física y el respaldo probatorio necesario para autorizar un servicio son objetos independientes y deben registrarse por separado.
El marco representa una acción junto con su testigo probatorio exacto. Esto permite distinguir entre un cambio en la acción y un cambio o una reparación en el testigo que la respalda. Los autores derivan una condición para que el costo de realizar el seguimiento de ambos sea igual al de seguir únicamente la acción: una secuencia de acciones semánticamente óptima debe contar con una trayectoria de testigos cuyo costo de reparación sea cero.
CARD también modela la obtención de pruebas como una decisión que depende del tiempo. Con muestreo uniforme sin reemplazo, la cantidad de servicios útiles sigue una distribución hipergeométrica. Cuando las solicitudes se extraen de la población elegible, cada solicitud produce un servicio útil bajo la condición de confirmación en vivo observada en el estudio.
La evaluación principal abarca 404 casos Full16 de 20 vuelos del sistema de levantamiento aéreo AA15-X500. Los 404 puntos del optimizador confirmados por el verificador diferían de la referencia; las discrepancias medianas de rotación y traslación fueron de 1,9891 grados y 21,6322 metros. En cambio, las transformaciones de navegación causal emparejadas fueron coherentes con la referencia en los 404 casos; sus discrepancias medianas fueron de 0,0036566 grados y 0,0104519 metros.
Un estudio independiente sobre la obtención de pruebas utilizó 170 candidatos, de los cuales 155 eran elegibles, y probó cinco presupuestos de solicitudes. La mayor diferencia entre la predicción hipergeométrica y el número medio observado de servicios con selección aleatoria ordinaria fue de 0,8412. La selección aleatoria ordinaria emparejada logró 0 de 50 éxitos en los objetivos, mientras que la selección aleatoria emparejada por capacidad de acción logró 50 de 50 y coincidió con la política CARD.
Para la evaluación posterior, los autores probaron 11 casos de los conjuntos de datos KITTI, EuRoC y TUM SLAM. Las intervenciones aleatorias en grafos tuvieron razones de tiempo de ejecución del optimizador de entre 1,128 y 67,65 veces las de las intervenciones CARD. Los registros del solucionador atribuyeron la diferencia al relleno de eliminación, al tamaño del factor de Cholesky y a la factorización numérica.
Fuentes: arXiv cs.AI.