PulseAugur
中
实时 18:37:20
English(EN) Planning Neural Dynamics with Lie Group Embedding through Supervised Projective Manifold Learning

新型神经网络嵌入李群，用于机器人和控制

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了一种名为李群嵌入动力学神经网络（LieEDNN）的新方法，以解决在神经网络中建模连续对称性和非欧几里得动力学所面临的挑战。该方法利用李群（如SO(3)和SE(3)）来表示流形几何，从而为机器人、图形和控制等应用实现稳定且可学习的动力学。所提出的算法通过采用伴随李群作用并将李代数参数化为线性变换，来处理李群与标准加法运算的不兼容性以及在非欧几里得空间中演化的动力学，并在SE(3)上对伸缩机械臂进行了实验验证。 AI

排序理由 这是一篇研究论文，详细介绍了一种新的神经网络方法。[lever_c_research降级：ic=1 ai=1.0]

在 arXiv cs.AI 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新型神经网络嵌入李群，用于机器人和控制

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Tianwei Wang, Bryan Chen, Qian Zuo, Qiyue Xia, Xin Li, Wei Pang ·

    通过监督投影流形学习规划李群嵌入的神经动力学

    arXiv:2605.26167v1 Announce Type: cross Abstract: We propose Lie group embedded dynamical neural networks (LieEDNN) and the corresponding learning algorithms based on gradient descent and metric projection on smooth manifold, where we treat Lie group as an intrinsic representatio…

相关实体

相关话题