EventUpdating
TravKAN：基于 KAN 的快速可解释可通行性分析
Start here
AI overview
Fusaro 等人提出 TravKAN，一个基于 Kolmogorov-Arnold Networks（KAN）的可通行性分析框架，作者称这是 KAN 首次用于地形评估。该框架把可学习单变量函数放到网络边上、用 B 样条参数化，并可通过 TravKAN-Lite 将学到的边变换提取为闭式解析表达式，运行时复杂度为 O(1)。模型约 10K 参数、72 KB，按 G=8→40→48 的网格细化协议训练，并引入 LiDAR 反射率特征，用于越野场景。
Generated by AI from reports · Updated 16 hr ago
Progress timeline
Oct 12
- Failure-FirstTravKAN：基于 Kolmogorov-Arnold Networks 的快速可解释非线性可通行性分析
Fusaro 等人提出 TravKAN，一个基于 Kolmogorov-Arnold Networks（KAN）的可通行性分析框架，作者称这是 KAN 首次用于地形评估。该框架把可学习单变量函数放到网络边上、用 B 样条参数化，并可用 TravKAN-Lite 将学到的边变换提取为闭式解析表达式，运行时复杂度 O(1)。模型约 10K 参数、72 KB，按 G=8→40→48 的网格细化协议训练，并引入 LiDAR 反射率特征，用于越野与半结构化城市环境的地面车辆。
Related discussion
Attention trend
New sources per day
- Oct 13: 1 new sources (1 outlets, 0 accounts)
- Oct 14: 0 new sources (0 outlets, 0 accounts)