SE(2)-Constrained Visual Inertial Fusion for Ground Vehicles
PulseAugur coverage of SE(2)-Constrained Visual Inertial Fusion for Ground Vehicles — every cluster mentioning SE(2)-Constrained Visual Inertial Fusion for Ground Vehicles across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
新的神经网络框架学习复杂的李-泊松系统动力学
研究人员开发了潜在李-泊松神经网络（LLPNNs），这是一个新颖的框架，旨在直接从可观测数据中学习和预测李-泊松系统的动力学。这些系统对于模拟各种物理现象至关重要，包括刚体和流体动力学，但通常涉及不可观测的潜在变量。LLPNNs 利用诸如哈密顿解码器、诺特定理不变性和李群更新等几何原理来保持动力学的底层结构。该方法在适度大小的数据集和神经网络架构上展示了强大的长期预测精度、噪声鲁棒性和效率。
-
新的李代数注意力将 Token 视为群元素
研究人员引入了一种新颖的注意力机制，称为李代数注意力（Lie-Algebra Attention），它将 Token 视为矩阵李群的元素。这种方法允许注意力分数从相对姿态的内在几何形状导出，而不是依赖于学习到的核函数。在涉及 SE(2)、SO(3) 和 Aff(2) 的序列补全任务上的实验表明，这种闭式分数匹配或优于学习到的 MLP 核函数，使用的参数显著减少，并保持了不变性。
-
新框架将视频动力学建模为群作用
研究人员提出了一个新的框架，通过将视频世界模型的动力学构建为群作用来理解它们。这种方法侧重于动作的组合结构，特别是在具身环境中，动作通常遵循像SE(2)这样的导航群结构。所提出的方法通过潜在空间正则化强制执行同一性、逆和组合的一致性，旨在在不牺牲视觉真实性的情况下提高动作的忠实度。引入了新的指标——群作用一致性（GAC）和群作用鲁棒性（GAR）——来评估这些模型的结构正确性和稳定性。