10.54 지수 사상과 로그 사상의 관계

1. 지수 사상과 로그 사상의 개요

리 군 이론에서 지수 사상(exponential map)과 로그 사상(logarithmic map)은 서로의 역함수 관계에 있는 두 가지 핵심 사상이다. $SO(3)$ 회전군의 경우, 이 두 사상은 리 대수 $\mathfrak{so}(3)$ (반대칭 행렬 또는 회전 벡터)와 리 군 $SO(3)$ (회전 행렬) 사이의 변환을 수행한다.

본 절에서는 두 사상의 정의, 관계, 성질, 그리고 응용을 체계적으로 다룬다.

2. 지수 사상의 정의

2.1 $SO(3)$ 에서의 지수 사상

$\exp: \mathfrak{so}(3) \to SO(3)$

회전 벡터 $\boldsymbol{\phi}$ (또는 반대칭 행렬 $[\boldsymbol{\phi}]_\times$ )로부터 회전 행렬로의 사상이다.

$\mathbf{R} = \exp([\boldsymbol{\phi}]_\times)$

2.2 닫힌 형태 (로드리게스 공식)

$\exp([\boldsymbol{\phi}]_\times) = \mathbf{I} + \frac{\sin\phi}{\phi}[\boldsymbol{\phi}]_\times + \frac{1 - \cos\phi}{\phi^2}[\boldsymbol{\phi}]_\times^2$

여기서 $\phi = \lVert\boldsymbol{\phi}\rVert$ 이다.

3. 로그 사상의 정의

3.1 $SO(3)$ 에서의 로그 사상

$\log: SO(3) \to \mathfrak{so}(3)$

회전 행렬 $\mathbf{R}$ 로부터 회전 벡터로의 사상이다.

$[\boldsymbol{\phi}]_\times = \log(\mathbf{R})$

3.2 닫힌 형태

$\log(\mathbf{R}) = \frac{\phi}{2\sin\phi}(\mathbf{R} - \mathbf{R}^T)$

여기서

$\phi = \arccos\left(\frac{\mathrm{tr}(\mathbf{R}) - 1}{2}\right)$

4. 두 사상의 역함수 관계

지수 사상과 로그 사상은 서로의 역함수이다.

4.1 역함수 성질

$\log(\exp([\boldsymbol{\phi}]_\times)) = [\boldsymbol{\phi}]_\times \quad \text{for } \lVert\boldsymbol{\phi}\rVert < \pi$

$\exp(\log(\mathbf{R})) = \mathbf{R}$

4.2 제한된 영역

이 역함수 관계는 $\lVert\boldsymbol{\phi}\rVert < \pi$ 의 영역에서 일대일이다. 경계 $\lVert\boldsymbol{\phi}\rVert = \pi$ 에서는 다가성이 있다( $\boldsymbol{\phi}$ 와 $-\boldsymbol{\phi}$ 가 같은 회전).

5. 지수 사상의 기하학적 의미

5.1 접공간에서 리 군으로

지수 사상은 리 군의 단위 원소에서의 접공간( $\mathfrak{so}(3)$ )에서 리 군( $SO(3)$ )으로의 사상이다. 접공간의 한 점이 리 군의 “경로“를 통해 특정 원소로 도달한다.

5.2 무한소 회전의 적분

회전 벡터 $\boldsymbol{\phi}$ 를 “ $\phi$ 만큼의 무한소 회전을 연속적으로 적분한 것“으로 볼 수 있다. 지수 사상은 이 적분의 결과이다.

5.3 스크류 운동

$SE(3)$ 의 경우 지수 사상은 스크류 운동에 대응한다. 트위스트(각속도와 선형 속도의 결합)를 $t$ 시간 동안 적용한 결과가 $\exp(t\boldsymbol{\xi})$ 이다.

6. 로그 사상의 기하학적 의미

6.1 리 군에서 접공간으로

로그 사상은 리 군의 원소에서 접공간으로의 “역사영“이다. 회전 행렬이 “얼마나 많은 무한소 회전의 적분인지“를 결정한다.

6.2 측지선 거리

로그 사상의 크기는 단위 원소에서 해당 리 군 원소까지의 측지선 거리에 비례한다. 이는 회전의 크기(회전 각)를 측정하는 자연스러운 방법이다.

7. 작은 회전에서의 근사

7.1 지수 사상

$\phi \to 0$ 일 때

$\exp([\boldsymbol{\phi}]_\times) \approx \mathbf{I} + [\boldsymbol{\phi}]_\times$

이는 1차 테일러 전개이며, 작은 회전의 선형 근사이다.

7.2 로그 사상

작은 회전에서

$\log(\mathbf{R}) \approx \mathbf{R} - \mathbf{I}$

정확히는 $(\mathbf{R} - \mathbf{R}^T)/2$ 이지만, 작은 회전에서는 $\mathbf{R} - \mathbf{I}$ 가 대부분 반대칭이다.

8. 사상의 성질

8.1 지수 사상의 성질

연속성: 매끄러운 사상이다.
미분 가능성: 모든 차수의 도함수가 존재한다.
전사성: $SO(3)$ 전체를 덮는다.
일대일이 아님: 전역적으로 일대일이 아니다 ( $\boldsymbol{\phi}$ 와 $\boldsymbol{\phi} + 2\pi\hat{\mathbf{u}}$ 가 같은 회전).

8.2 로그 사상의 성질

지역적 연속성: 대부분의 영역에서 연속적이다.
경계 특이점: $\phi = \pi$ 에서 다가성이 있다.
지수의 역: 지수 사상의 역함수이다.

9. 매개변수의 다가성

9.1 지수 사상의 다가성

같은 회전 행렬에 대응하는 무수히 많은 회전 벡터가 존재한다.

$\exp([\boldsymbol{\phi}]_\times) = \exp([\boldsymbol{\phi} + 2\pi k\hat{\mathbf{u}}]_\times)$

여기서 $k$ 는 정수이고 $\hat{\mathbf{u}} = \boldsymbol{\phi}/\lVert\boldsymbol{\phi}\rVert$ 이다. 이는 회전의 주기성을 반영한다.

9.2 관례

일반적으로 $\lVert\boldsymbol{\phi}\rVert \leq \pi$ 의 영역을 사용한다. 이 영역에서 로그 사상이 “가장 짧은” 회전 벡터를 반환한다.

10. 쿼터니언의 지수와 로그

쿼터니언도 지수와 로그 사상을 가진다.

10.1 쿼터니언 지수

순수 벡터 쿼터니언 $\mathbf{v} = (0, \mathbf{v}_v)$ 의 지수는

$\exp(\mathbf{v}) = \left(\cos\lVert\mathbf{v}_v\rVert, \frac{\sin\lVert\mathbf{v}_v\rVert}{\lVert\mathbf{v}_v\rVert}\mathbf{v}_v\right)$

10.2 쿼터니언 로그

단위 쿼터니언 $\mathbf{q} = (q_w, \mathbf{q}_v)$ 의 로그는

$\log(\mathbf{q}) = \left(0, \frac{\arccos(q_w)}{\lVert\mathbf{q}_v\rVert}\mathbf{q}_v\right)$

이는 순수 벡터 쿼터니언으로, 그 벡터 부분이 회전 벡터의 절반이다.

10.3 관계

$\log(\mathbf{q})_v = \frac{\boldsymbol{\phi}}{2}$

쿼터니언 로그의 벡터 부분이 회전 벡터의 절반이다. 이는 쿼터니언이 회전 각의 절반을 사용하기 때문이다.

11. 지수 사상의 계산

11.1 직접 계산

회전 벡터의 크기와 방향을 계산한 후 로드리게스 공식을 적용한다.

function exp_so3(phi):
    angle = norm(phi)
    if angle < epsilon:
        # 작은 각도 근사
        return I + skew(phi)
    else:
        axis = phi / angle
        return I + sin(angle) * skew(axis) + (1 - cos(angle)) * skew(axis)^2

11.2 효율성

약 10-20 연산이 필요하다. 삼각 함수(sin, cos)가 주요 비용이다.

12. 로그 사상의 계산

12.1 직접 계산

대각합으로부터 회전 각을 계산하고, 반대칭 부분에서 회전 축을 추출한다.

function log_SO3(R):
    cos_angle = (trace(R) - 1) / 2
    cos_angle = clamp(cos_angle, -1, 1)
    angle = acos(cos_angle)
    
    if angle < epsilon:
        # 작은 회전 근사
        return vee((R - R.T) / 2)
    else:
        factor = angle / (2 * sin(angle))
        return vee((R - R.T) * factor)

12.2 효율성

약 10-20 연산이 필요하다. 역삼각 함수와 나눗셈이 주요 비용이다.

13. 수치적 안정성

13.1 지수 사상

매우 안정적이다. 삼각 함수의 계산이 수치적으로 잘 정의되어 있다.

13.2 로그 사상

작은 회전( $\phi \approx 0$ )과 큰 회전( $\phi \approx \pi$ )에서 주의가 필요하다.

$\phi \approx 0$ : $\sin\phi$ 가 0에 가까워 분모가 작아진다. 테일러 전개로 근사한다.
$\phi \approx \pi$ : 반대칭 부분이 작아지고 축 추출이 불안정하다. 대각 성분으로부터 축을 추출한다.

14. 지수 사상과 로그 사상의 응용

14.1 회전 적분

각속도로부터 회전을 적분할 때 지수 사상이 사용된다.

$\mathbf{R}(t + \Delta t) = \mathbf{R}(t)\exp([\boldsymbol{\omega}\Delta t]_\times)$

이는 정확하고 단위 노름을 보존한다.

14.2 보간

두 회전 사이의 SLERP는 로그와 지수를 사용하여 계산할 수 있다.

$\mathbf{R}(t) = \mathbf{R}_0\exp(t\log(\mathbf{R}_0^T\mathbf{R}_1))$

14.3 최적화

비선형 최적화에서 회전을 매개화할 때, 현재 자세에 작은 회전 벡터를 지수 사상으로 더한다.

$\mathbf{R}_{\text{new}} = \mathbf{R}_{\text{current}}\exp([\delta\boldsymbol{\phi}]_\times)$

이는 자세를 자유 매개변수( $\delta\boldsymbol{\phi}$ )로 매개화한다.

14.4 측지선 거리

두 회전 사이의 측지선 거리는 로그 사상의 크기이다.

$d(\mathbf{R}_1, \mathbf{R}_2) = \lVert\log(\mathbf{R}_1^T\mathbf{R}_2)\rVert$

이는 $SO(3)$ 매니폴드 상의 거리 척도이다.

14.5 자세 추정

오류 상태 칼만 필터(ESKF)에서 자세 오차를 회전 벡터로 표현하고, 지수 사상으로 자세에 적용한다.

15. 일반 리 군에서의 지수와 로그

지수와 로그 사상은 $SO(3)$ 외에도 일반 리 군에서 정의된다.

15.1 $SE(3)$ 의 경우

$SE(3)$ 리 군(강체 변환)의 지수 사상은 트위스트를 동차 변환 행렬로 사상한다.

$\exp([\boldsymbol{\xi}]^\wedge) = \begin{bmatrix}\exp([\boldsymbol{\omega}]_\times) & \mathbf{J}_l(\boldsymbol{\omega})\mathbf{v} \\ \mathbf{0}^T & 1\end{bmatrix}$

여기서 $\boldsymbol{\xi} = (\boldsymbol{\omega}, \mathbf{v})$ 는 트위스트이고 $\mathbf{J}_l$ 은 좌측 야코비안이다.

15.2 일반 매트릭스 리 군

일반 매트릭스 리 군 $G$ 에 대해 지수 사상은 행렬 지수 함수이다.

$\exp(\mathbf{A}) = \sum_{k=0}^{\infty}\frac{\mathbf{A}^k}{k!}$

이는 모든 정방 행렬에 대해 잘 정의된다.

16. 베이커-캠벨-하우스도르프 공식

두 리 군 원소의 곱의 로그는 BCH 공식으로 주어진다.

$\log(\exp(\mathbf{X})\exp(\mathbf{Y})) = \mathbf{X} + \mathbf{Y} + \frac{1}{2}[\mathbf{X}, \mathbf{Y}] + \frac{1}{12}([\mathbf{X}, [\mathbf{X}, \mathbf{Y}]] - [\mathbf{Y}, [\mathbf{X}, \mathbf{Y}]]) + \cdots$

여기서 $[\cdot, \cdot]$ 은 리 브래킷이다. 이는 회전 벡터의 합성이 단순한 벡터 덧셈이 아닌 이유이다.

16.1 작은 벡터의 근사

$\mathbf{X}$ 와 $\mathbf{Y}$ 가 작으면

$\log(\exp(\mathbf{X})\exp(\mathbf{Y})) \approx \mathbf{X} + \mathbf{Y} + \frac{1}{2}[\mathbf{X}, \mathbf{Y}]$

이는 BCH 공식의 주요 항만 사용한 근사이다.

17. 실제 구현

17.1 C++ 라이브러리

Sophus 라이브러리는 $SO(3)$ 과 $SE(3)$ 의 지수와 로그 사상을 효율적으로 구현한다.

Eigen::Vector3d phi = ...;
Sophus::SO3d R = Sophus::SO3d::exp(phi);
Eigen::Vector3d phi_back = R.log();

17.2 Python 라이브러리

SciPy의 Rotation 클래스가 유사한 기능을 제공한다.

from scipy.spatial.transform import Rotation
R = Rotation.from_rotvec(phi)
phi_back = R.as_rotvec()

18. 지수 사상과 로그 사상의 교육적 가치

지수 사상과 로그 사상은 리 군 이론의 핵심 개념이다. 이를 이해하는 것은 다음의 교육적 가치를 가진다.

리 군의 구조: 리 군과 리 대수의 관계를 이해
매니폴드 최적화: 매니폴드 상의 최적화 원리 파악
자세 추정: 현대 자세 추정 알고리즘의 기반 이해
SLAM: 그래프 기반 SLAM의 수학적 배경 파악

19. 결론

지수 사상과 로그 사상은 $SO(3)$ 회전군의 리 대수와 리 군 사이의 자연스러운 사상이다. 서로의 역함수 관계를 통해 회전 벡터와 회전 행렬 사이의 변환을 제공하며, 비선형 최적화, 자세 추정, 보간 등 다양한 응용의 수학적 기반이 된다. 현대 로봇 공학, SLAM, 자세 추정 이론에서 필수적인 도구이다.

20. 참고 문헌

Hall, B. C. (2015). Lie Groups, Lie Algebras, and Representations: An Elementary Introduction (2nd ed.). Springer.
Sola, J. (2017). “Quaternion Kinematics for the Error-State Kalman Filter.” arXiv:1711.02508.
Barfoot, T. D. (2017). State Estimation for Robotics. Cambridge University Press.
Chirikjian, G. S. (2011). Stochastic Models, Information Theory, and Lie Groups, Volume 2. Birkhäuser.
Bloesch, M., et al. (2016). “A Primer on the Differential Calculus of 3D Orientations.” arXiv:1606.05285.

version: 1.0