論文の概要: SE3Kit: A Lightweight Python Library for Specialized Geometric Primitives in Robotics

• arxiv url: http://arxiv.org/abs/2605.22633v1
• Date: Thu, 21 May 2026 15:39:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-22 16:35:42.326849
• Title: SE3Kit: A Lightweight Python Library for Specialized Geometric Primitives in Robotics
• Title（参考訳）: SE3Kit: ロボティクスの特殊な幾何学的プリミティブのための軽量Pythonライブラリ
• Authors: Daniyal Maroufi, Omid Rezayof, Farshid Alambeigi,
• Abstract要約: SE3Kitは、特殊ユークリッドグループSE(3)と特殊直交グループSO(3)上のPythonライブラリである。 組み込みデプロイメント、迅速なプロトタイピング、教育用に設計され、厳密な数学的実装を提供する。
• 参考スコア（独自算出の注目度）: 4.906004226193597
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The Python robotics ecosystem faces a challenge: while many libraries exist for rigid body transformations, few are both lightweight and mathematically strict. This paper introduces SE3Kit, a lightweight Python library efficient operations on the Special Euclidean Group SE(3) and the Special Orthogonal Group SO(3). Unlike established frameworks that require heavy dependencies (e.g., SpatialMath, PyPose) or general tools that lack robotics-specific features (e.g., SciPy), SE3Kit targets the gap between these extremes. It is designed for embedded deployment, rapid prototyping, and education while providing rigorous mathematical implementation. It provides a pure-Python, NumPy-only implementation of Lie Group operations, without the overhead of deep learning or other visualization software.
• Abstract（参考訳）: Pythonのロボティクスエコシステムは、厳格なボディトランスフォーメーションのためのライブラリが数多く存在するが、軽量で数学的に厳格なライブラリは少ない。 本稿では, 特殊ユークリッド群 SE(3) と特殊直交群 SO(3) を効率的に操作する軽量Pythonライブラリ SE3Kit を紹介する。 重い依存(SpatialMath、PyPoseなど)を必要とする既存のフレームワークや、ロボティクス固有の機能(SciPyなど)が欠けている一般的なツールとは異なり、SE3Kitはこれらの極端間のギャップを目標としている。 組み込まれた配置、迅速なプロトタイピング、教育用に設計され、厳密な数学的実装を提供する。 ディープラーニングやその他の視覚化ソフトウェアをオーバーヘッドなく、純粋にPythonでNumPyのみのLie Group操作の実装を提供する。

関連論文リスト

• scipy.spatial.transform: Differentiable Framework-Agnostic 3D Transformations in Python [49.015684860172975]
  三次元剛体変換、すなわち回転と変換は、現代の微分可能な機械学習パイプラインの中心である。 SciPyのspace$.$diffモジュールは、厳格にテストされたPython実装である。 我々はSciPyの空間$.$transform機能を完全にオーバーホールし、Python配列APIを実装する任意の配列ライブラリと互換性を持たせる。
  論文  参考訳（メタデータ） (2025-11-22T18:52:34Z)
• PyPulse: A Python Library for Biosignal Imputation [58.35269251730328]
  PyPulseは,臨床およびウェアラブルの両方のセンサ設定において生体信号の計算を行うPythonパッケージである。 PyPulseのフレームワークは、非機械学習バイオリサーバーを含む幅広いユーザーベースに対して、使い勝手の良いモジュラーで拡張可能なフレームワークを提供する。 PyPulseはMITライセンスでGithubとPyPIでリリースしました。
  論文  参考訳（メタデータ） (2024-12-09T11:00:55Z)
• A Comprehensive Guide to Combining R and Python code for Data Science, Machine Learning and Reinforcement Learning [42.350737545269105]
  機械学習、ディープラーニング、強化学習プロジェクトを構築するために、PythonのScikit-learn、pytorch、OpenAIのジムライブラリを簡単に実行する方法を示します。
  論文  参考訳（メタデータ） (2024-07-19T23:01:48Z)
• PyPOTS: A Python Toolkit for Machine Learning on Partially-Observed Time Series [20.491714178518155]
  PyPOTSは、データマイニングと分析のためのオープンソースのライブラリである。 5つのタスクに分類される多様なアルゴリズムに簡単にアクセスできる。 PyPOTSはPyPI、Anaconda、Dockerで利用できる。
  論文  参考訳（メタデータ） (2023-05-30T07:57:05Z)
• EC-KitY: Evolutionary Computation Tool Kit in Python with Seamless Machine Learning Integration [0.8602553195689513]
  EC-KitYは、進化計算を行うPythonライブラリである。 本報告では,EC実験のセットアップを容易にすることを含むパッケージの概要について述べる。
  論文  参考訳（メタデータ） (2022-07-21T08:49:09Z)
• PyHHMM: A Python Library for Heterogeneous Hidden Markov Models [63.01207205641885]
  PyHHMM は Heterogeneous-Hidden Markov Models (HHMM) のオブジェクト指向Python実装である。 PyHHMMは、異種観測モデル、データ推論の欠如、異なるモデルの順序選択基準、半教師付きトレーニングなど、同様のフレームワークではサポートされない機能を強調している。 PyHHMMは、numpy、scipy、scikit-learn、およびシーボーンPythonパッケージに依存しており、Apache-2.0ライセンスの下で配布されている。
  論文  参考訳（メタデータ） (2022-01-12T07:32:36Z)
• Scikit-dimension: a Python package for intrinsic dimension estimation [58.8599521537]
  この技術ノートは、固有次元推定のためのオープンソースのPythonパッケージであるtextttscikit-dimensionを紹介している。 textttscikit-dimensionパッケージは、Scikit-learnアプリケーションプログラミングインターフェイスに基づいて、既知のID推定子のほとんどを均一に実装する。 パッケージを簡潔に記述し、実生活と合成データにおけるID推定手法の大規模(500以上のデータセット)ベンチマークでその使用を実証する。
  論文  参考訳（メタデータ） (2021-09-06T16:46:38Z)
• OPFython: A Python-Inspired Optimum-Path Forest Classifier [68.8204255655161]
  本稿では,OPFythonと表記されるPythonベースのOptimum-Path Forestフレームワークを提案する。 OPFythonはPythonベースのライブラリなので、C言語よりもフレンドリーな環境とプロトタイピングの作業スペースを提供する。
  論文  参考訳（メタデータ） (2020-01-28T15:46:19Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。