PulseAugur
实时 11:52:20

使用Kolmogorov-Arnold网络增强欧拉角回归

研究人员开发了一个新的欧拉角回归框架,这是一个因不连续性和奇异性而具有挑战性的任务。该框架结合了范围感知欧拉建模和Kolmogorov-Arnold网络(KAN),KAN在边上使用可学习的单变量函数。理论分析表明,KAN的加性函数形式非常适合有界的欧拉范围,这一假设得到了经验证据的支持。该方法在包括物体姿态估计和逆运动学在内的各种应用中,都显示出更高的准确性、收敛性和效率。 AI

影响 这项研究可以提高涉及复杂旋转的系统的准确性和效率,例如机器人技术和生物力学。

排序理由 该集群描述了一篇详细介绍特定机器学习任务新框架的学术论文。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

使用Kolmogorov-Arnold网络增强欧拉角回归

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Yangting Sun, Zijun Cui, Yufei Zhang ·

    Revisiting Euler-Angle Regression with Kolmogorov-Arnold Networks

    arXiv:2607.09650v1 Announce Type: new Abstract: In many real-world systems, including articulated robots and biomechanical models, rotations are defined in joint space and naturally parameterized by Euler angles with bounded ranges. Yet regressing Euler angles remains challenging…

  2. arXiv cs.CV TIER_1 English(EN) · Yufei Zhang ·

    Revisiting Euler-Angle Regression with Kolmogorov-Arnold Networks

    In many real-world systems, including articulated robots and biomechanical models, rotations are defined in joint space and naturally parameterized by Euler angles with bounded ranges. Yet regressing Euler angles remains challenging, as their discontinuities and singularities oft…