arXiv Robotics· Anna Mishchenko (Independent researchers), Nikolai Gavrilin (Independent researchers)·· 5 小时前AI 评分31
LawKAN：把已知群律嵌入网络层，让复合变换学习更准
LawKAN: Group-Law Layers for Composition -- When Imposing a Known Law Pays Off
AI 导读
LawKAN 将精确的非交换群律直接放进自包含层的节点中，边只学习局部增量，零初始化的修正项 psi 学习律的未知偏差。
推荐理由模型分析
针对机器人旋转链式复合中学习模型重复学习群律、误差累积的问题，作者把精确非交换群律写进层节点，只学习局部增量与偏差修正，并给出可预测精确可表示性的预训练判据。SU(2) 复合与真实机械臂实验显示参数更少、精度接近贝叶斯下限，但前提是任务确实服从该群律，否则不如经典拟合，适合做机器人位姿估计的研究者对照评估。
来源：arXiv Robotics · arxiv.org