https://tars0523.github.io/Ph.D. student at FAIR Lab @ KAIST writing about robotics, optimization, and reliable perception. 2026-04-23T19:57:17+09:00 Jiwoo Kim https://tars0523.github.io/ Jekyll © 2026 Jiwoo Kim /assets/img/favicons/favicon.ico /assets/img/favicons/favicon-96x96.png 2025-10-29T13:00:00+09:00 2026-04-23T19:56:58+09:00 https://tars0523.github.io/posts/GNC-3/ Jiwoo Kim

지난 (2)편에서는 Black–Rangarajan Duality를 정리했다. 핵심은, robust estimation 문제 [\min_{\mathbf{x}} \sum_{i=1}^N \rho(r_i(\mathbf{x})) \tag{2}] 를 각 measurement에 weight $w_i$를 도입해 [\min_{\mathbf{x},\, w_i \in [0,1]} \sum_{i=1}^N \Big( w_i r_i^2(\mathbf{x}) + \Phi_\rho(w_i) \Big) \tag{3}] 꼴로 등가 변환할 수 있다는 것이었다. 그리고 Geman–McClure(GM) kernel의 경우, outlier process $\Phi_{\rho_\mu}(w) = \mu\bar{c}^2(\sqrt{w}-1...

2025-10-15T13:00:00+09:00 2026-04-16T16:31:06+09:00 https://tars0523.github.io/posts/GNC-2/ Jiwoo Kim

지난 (1)편에서는 robust estimation의 기본 문제 설정을 정리했다. 핵심은, 단순한 least squares인 식 (1)에 robust kernel $\rho(\cdot)$를 씌운 식 (2)가 outlier에 강건해지는 대신, non-convexity 때문에 local optimum 문제가 생긴다는 것이었다. 이번 글에서는 논문이 그 문제를 다루기 위해 가져오는 첫 번째 도구, Black–Rangarajan Duality를 정리한다. Black–Rangarajan Duality 논문의 핵심 주장 중 하나는, 식 (2)의 robust estimation 문제를 전혀 다른 형태로 다시 쓸 수 있다는 것이다. 바로 다음 식이다: [\min_{\mathbf{x},\, w_i \in [...

2025-10-01T13:00:00+09:00 2026-04-16T16:31:06+09:00 https://tars0523.github.io/posts/GNC/ Jiwoo Kim

Graduated Non-Convexity for Robust Spatial Perception: From Non-Minimal Solvers to Global Outlier Rejection 논문을 리뷰해보려 한다. 아직 완전히 이해한 것은 아니지만, 대략적으로는 (i) Graduated Non-Convexity (GNC) 와 (ii) Robust Estimation ≈ Outlier Process (Black–Rangarajan Duality) 두 이론을 결합한 논문으로 보인다. 이 논문의 목표는 (a) outlier에 강건 하면서도 (b) local optimum에 갇히지 않는 robust solver를 만드는 것으로 보인다. 왜 (a) 와 (b) 가 중요할까? 관측 모델이 현실에서 불완전하...