Theseus项目中SO3变量初始化导致梯度NaN问题的分析与解决

问题背景

在使用Theseus进行位姿图优化时，开发者遇到了两个关键问题：内存爆炸和梯度NaN现象。经过排查发现，内存问题源于变量类型使用不当（将Point3误用为Variable导致批处理维度异常），而梯度NaN问题则与SO3变量的初始化方式密切相关。

技术分析

SO3变量初始化陷阱

当开发者使用单位矩阵初始化SE3变量时，其旋转部分（SO3）转换为四元数表示时会产生数值不稳定性。核心问题出在Theseus库中SO3类的to_quaternion()方法实现上。

该方法在计算四元数时使用了平方根运算：

q = torch.sqrt(...)

当旋转矩阵接近单位矩阵时，某些中间计算值可能趋近于零，导致平方根运算在反向传播时产生NaN梯度。这种现象在深度学习领域被称为"梯度爆炸"或"数值不稳定"问题。

问题复现条件

1. 使用单位矩阵初始化SE3变量
2. 提取旋转部分并转换为四元数表示
3. 进行四元数运算后转换回旋转矩阵
4. 在计算图中执行反向传播

解决方案

临时解决方案

开发者发现通过避免使用单位矩阵初始化可以暂时规避这个问题。可以采用微小扰动的初始化方式：

# 替代 torch.eye(3,4)
init_tensor = torch.eye(3,4) + 1e-6 * torch.randn(3,4)
vertex = th.SE3(tensor=torch.tile(init_tensor, [1,1,1]))

官方修复

Theseus团队在后续版本中修复了这个问题（#661），主要改进包括：

1. 在平方根运算前添加了数值稳定的小量(epsilon)
2. 优化了四元数转换的数值稳定性
3. 增强了反向传播的鲁棒性

调试技巧

Theseus提供了强大的调试工具来诊断优化过程中的数值问题：

1. 迭代回调函数：通过end_iter_callback参数可以监控每次迭代的优化状态
2. 雅可比矩阵检查：访问optimizer.linear_solver.linearization.AtA分析导数矩阵
3. 单成本函数评估：单独检查每个成本函数的Jacobian和误差

def debug_callback(optimizer, info, delta, it):
    with torch.no_grad():
        cost_fn = optimizer.objective.get_cost_function("cost_fn_name")
        jacobians, error = cost_fn.jacobians()
        print(f"Iter {it}: Error={error}, Jacobian norm={jacobians.norm()}")

最佳实践建议

1. 始终检查变量类型和维度，特别是批处理维度
2. 避免使用严格的单位矩阵初始化旋转变量
3. 在开发阶段启用调试回调监控优化过程
4. 保持Theseus库更新到最新版本以获取稳定性修复
5. 对于复杂的变换链，考虑逐步验证每个步骤的数值稳定性

总结

Theseus作为强大的优化库，在处理SLAM等位姿图优化问题时表现出色，但也需要注意数值稳定性问题。通过理解SO3变量的数学特性和库的实现细节，开发者可以更有效地诊断和解决类似问题。记住在优化问题中，良好的初始化和数值稳定性处理往往能决定优化的成败。