CKANIO：用于惯性里程计的可学习切比雪夫多项式
机器人学
2025-10-17 v2
摘要
惯性里程计（IO）完全依赖惯性测量单元（IMU）的信号进行定位，为消费级定位提供了一条有前景的途径。然而，对 IMU 信号中存在的非线性运动模式进行精确建模仍然是 IO 精度的主要限制。为了应对这一挑战，我们提出了 CKANIO，一个集成了基于切比雪夫的 Kolmogorov-Arnold 网络（Chebyshev KAN）的 IO 框架。具体而言，我们设计了一种新颖的残差架构，利用 KAN 框架内切比雪夫多项式的非线性逼近能力，以更有效地建模 IMU 信号中固有的复杂运动特征。据我们所知，这项工作代表了可解释 KAN 模型在 IO 中的首次应用。在五个公开可用数据集上的实验结果证明了 CKANIO 的有效性。
引用
@article{arxiv.2507.16865,
title = {CKANIO: Learnable Chebyshev Polynomials for Inertial Odometry},
author = {Shanshan Zhang and Siyue Wang and Tianshui Wen and Liqin Wu and Qi Zhang and Ziheng Zhou and Ao Peng and Xuemin Hong and Lingxiang Zheng and Yu Yang},
journal= {arXiv preprint arXiv:2507.16865},
year = {2025}
}