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。
- arXiv
- Euler angles
- Kolmogorov--Arnold Networks
- alphaXiv
- CatalyzeX Code Finder for Papers
- CORE Recommender
- DagsHub
- Gotit.pub
- Hugging Face
- Influence Flower
- ScienceCast
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →