ロボティクスでは、非凸問題の解に対して大域的最適性を保証するために、凸半正定値計画（SDP）緩和を利用する認証手法が近年注目されている。そうした手法の中で最も高性能なものは、まず局所ソルバーによって候補解を求め、続いて効率的な線形代数の技法を使ってその最適性を検証する。しかしロボティクスにおける多くの重要な問題では、緩和に退化（デジェネラシー）が生じるため、この「局所求解と検証」の枠組みが妨げられることがある。その場合、研究者は緩和問題そのものに対して高コストな凸最適化を実行するほかない。
本研究では、Connor Holmes 氏と共同研究者が中央経路認証器（Central-Path Certifier、CP-Cert）を導入した。これは、この種の退化を示す問題の候補最適解を認証するために特別に設計された手法である。CP-Cert は候補解を出発点として、実行可能領域内で「中心経路」と呼ばれる近傍領域を探す。この領域では、有効な証明書を容易に得ることができる。また、間接線形代数の技法・問題のスパース性・並列計算を活用することで、大きなSDPを再び解くことなく計算効率を維持している。
著者らは CP-Cert を、ロボット知覚において重要な2種類の問題、すなわち行列重み付きポーズ位置合わせと点群データ関連付けに適用した。これらの問題は通常、外れ値に対処する必要があり、その緩和構造は従来の認証手法に退化をもたらすものである。特に、点群データ関連付けのための新しいSDP緩和も提案されており、この貢献自体も独立した価値を持つ。シミュレーション実験では、新しい緩和の性質を調べるとともに、CP-Cert の精度とスケーラビリティを評価した。結果は、最先端の直接ソルバーと比較して実行時間が最大3桁（約1000倍）短縮されることを示している。
論文の最後では、これらの成果を統合して、外れ値に対して頑健で証明可能なポーズ推定パイプラインを構築し、実世界データでテストした。このパイプラインは、局所推定器の高速性とCP-Certの厳密な検証能力を組み合わせることで、外れ値が存在する状況でも大域的最適性が保証されたポーズ推定を可能にする。本論文は2026年9月2日にarXivへ投稿され、識別子は arXiv:2609.03222v1 [cs.RO]（ロボティクス分野）である。