論文の概要: TravKAN: Fast and Interpretable Nonlinear Traversability Analysis with Kolmogorov-Arnold Networks

• arxiv url: http://arxiv.org/abs/2608.02320v1
• Date: Mon, 03 Aug 2026 14:45:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-04 15:07:25.605498
• Title: TravKAN: Fast and Interpretable Nonlinear Traversability Analysis with Kolmogorov-Arnold Networks
• Title（参考訳）: TravKAN: Kolmogorov-Arnold ネットワークを用いた高速かつ解釈可能な非線形トラバーサビリティ解析
• Abstract要約: トラバーサビリティ分析は、非構造環境で動作する自律移動ロボットの基本機能である。 高速でスケーラブルで解釈可能なトラバーサビリティ推定のためのフレームワークであるTravKANを提案する。 また,LiDARセンサの反射率チャネルから導出した手工芸品群についても紹介する。
• 参考スコア（独自算出の注目度）: 3.75886080255807
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Traversability analysis is a fundamental capability for autonomous mobile robots operating in unstructured environments. While modern machine learning approaches such as deep neural networks and gradient-boosted trees achieve strong predictive performance, they lack interpretability and provide limited insight into the underlying terrain-robot interaction dynamics. In this paper, we propose TravKAN, a Kolmogorov-Arnold Network-based framework for fast, scalable, and interpretable traversability estimation. TravKAN represents multivariate decision functions through compositions of learnable univariate functions, enabling compact architectures and symbolic extraction of analytic expressions after training. In addition, we introduce a novel set of handcrafted features derived from the reflectivity channel of LiDAR sensors. To the best of our knowledge, reflectivity has not been systematically exploited for handcrafted traversability descriptors, despite its potential to capture material and surface properties complementary to geometric cues. We evaluate TravKAN on public, real-world urban and off-road datasets and compare it against strong baselines. TravKAN achieves strong performance across all metrics, outperforming conventional deep models and approaching the performance of XGBoost. TravKAN-Lite, i.e., TravKAN's symbolic representation, reveals meaningful nonlinear feature interactions and provides a compact, deployment-friendly, and fast analytic model. Ablation studies further show the robustness of our method to architectural variations and quantify the contribution of the proposed reflectivity-based features. These properties make TravKAN attractive for robotic systems requiring transparency, real-time computational efficiency, and interpretability in safety-critical decision-making.
• Abstract（参考訳）: トラバーサビリティ分析は、非構造環境で動作する自律移動ロボットの基本機能である。 ディープニューラルネットワークや勾配木のような現代の機械学習アプローチは強い予測性能を達成するが、解釈可能性に欠け、基盤となる地形とロボットの相互作用のダイナミクスについて限られた洞察を与える。 本稿では,Kolmogorov-Arnold Networkベースの高速かつスケーラブルで解釈可能なトラバーサビリティ推定フレームワークであるTravKANを提案する。 TravKANは学習可能な単変量関数の合成を通じて多変量決定関数を表現し、学習後のコンパクトアーキテクチャと解析式の記号抽出を可能にする。 また,LiDARセンサの反射率チャネルから導出した手工芸品群についても紹介する。 我々の知る限りでは、反射率は幾何学的手がかりと相補的な材料や表面特性を捉えることができるにもかかわらず、手作りの可逆性記述子に体系的に利用されていない。 我々はTravKANを、公共、現実世界の都市、オフロードのデータセットで評価し、強力なベースラインと比較した。 TravKANはすべてのメトリクスに対して強力なパフォーマンスを実現し、従来のディープモデルよりも優れ、XGBoostのパフォーマンスに近づいている。 TravKAN-Lite、すなわち、TravKANの象徴的表現は意味のある非線形特徴相互作用を明らかにし、コンパクトで展開に優しい高速解析モデルを提供する。 アブレーション研究は,提案手法のアーキテクチャ変化に対する堅牢性をさらに示し,提案した反射率に基づく特徴の寄与を定量化する。 これらの特性により、TravKANは、透明性、リアルタイム計算効率、安全クリティカルな意思決定における解釈可能性を必要とするロボットシステムにとって魅力的なものとなる。

関連論文リスト

• Interpretable Kolmogorov-Arnold Network with Feature-Isolated Temporal Attention Mechanism for Electricity Load Forecasting [3.720005287197028]
  Kolmogorov-Arnoldネットワーク(KAN)は、学習可能なアクティベーション関数設計のために、将来性のある代替として登場した。 本研究は負荷予測のための新しいハイブリッド・解釈可能なフレームワークであるLoadKANを開発する。
  論文  参考訳（メタデータ） (2026-06-22T14:46:16Z)
• InTrain: Intrinsic Trainability for Zero-Cost Neural Architecture Search [18.006142809073044]
  ニューラル情報処理の分析により、本質的な訓練性を運用する。 InTrainは、最先端のアンサンブルベースのプロキシと同等の相関をランク付けし、他のシングルメトリックメソッドよりも優れている。
  論文  参考訳（メタデータ） (2026-06-17T04:22:00Z)
• Large Vision-Language Models Get Lost in Attention [51.851592109135716]
  本稿では,情報理論と幾何に基づく統合フレームワークを提案し,残差更新の幾何的およびエントロピー的性質を定量化する。 注意は再設定に焦点を当てたサブスペース言語演算子として機能し、FFNはセマンティックイノベーションを駆動するサブスペース言語演算子として機能します。
  論文  参考訳（メタデータ） (2026-05-07T04:45:52Z)
• Towards Worst-Case Guarantees with Scale-Aware Interpretability [58.519943565092724]
  ニューラルネットワークは、自然データの階層的多スケール構造に従って情報を整理する。 我々は,形式機械と解釈可能性ツールを開発するための統一的な研究課題,即時対応型解釈可能性(enmphscale-aware interpretability)を提案する。
  論文  参考訳（メタデータ） (2026-02-05T01:22:31Z)
• Explainable Neural Inverse Kinematics for Obstacle-Aware Robotic Manipulation: A Comparative Analysis of IKNet Variants [0.28544513613730205]
  ディープニューラルネットワークは、低コストのマニピュレータが複雑な軌道をリアルタイムで実行できる地点まで、逆運動学(IK)推論を加速させた。 本研究では,Shapley値属性と物理に基づく障害物回避評価を統合した説明可能性中心ワークフローを提案する。
  論文  参考訳（メタデータ） (2025-12-29T09:02:02Z)
• Combining feature-based approaches with graph neural networks and symbolic regression for synergistic performance and interpretability [0.0]
  MatterVialは、材料科学における機能ベースの機械学習のための革新的なハイブリッドフレームワークである。 当社のアプローチは,従来の特徴ベースモデルの化学的透明性とディープラーニングアーキテクチャの予測能力を組み合わせたものです。 サブロゲートモデルとシンボリックレグレッションを利用する統合的解釈可能性モジュールは、潜伏したGNN由来の記述子を明示的で物理的に意味のある式にデコードする。
  論文  参考訳（メタデータ） (2025-09-02T16:45:02Z)
• Unveiling the Actual Performance of Neural-based Models for Equation Discovery on Graph Dynamical Systems [45.11208589443806]
  グラフのためのKAN(Kolmogorov-Arnold Networks)は、その固有の解釈可能性を活用するように設計されている。 カンは基礎となる記号方程式の同定に成功し、既存の基底線をはるかに上回った。 本研究は,モデル表現性と解釈可能性のトレードオフを明らかにするための実践的ガイドを提供する。
  論文  参考訳（メタデータ） (2025-08-25T16:25:50Z)
• Tuning for Trustworthiness -- Balancing Performance and Explanation Consistency in Neural Network Optimization [49.567092222782435]
  我々は,異なる特徴帰属法間の合意として定義された,XAI整合性という新しい概念を紹介する。 予測性能と説明のバランスをとる多目的最適化フレームワークを構築した。 本研究は、トレードオフゾーンバランス性能損失とXAI整合性による強靭性向上のモデルについて、今後の研究基盤を提供する。
  論文  参考訳（メタデータ） (2025-05-12T13:19:14Z)
• InvFussion: Bridging Supervised and Zero-shot Diffusion for Inverse Problems [76.39776789410088]
  この研究は、教師付きアプローチの強いパフォーマンスとゼロショットメソッドの柔軟性を組み合わせたフレームワークを導入している。 新規なアーキテクチャ設計では、分解演算子を直接デノイザにシームレスに統合する。 FFHQとImageNetデータセットの実験結果は、最先端の後方サンプリング性能を示している。
  論文  参考訳（メタデータ） (2025-04-02T12:40:57Z)
• Task-Oriented Real-time Visual Inference for IoVT Systems: A Co-design Framework of Neural Networks and Edge Deployment [61.20689382879937]
  タスク指向エッジコンピューティングは、データ分析をエッジにシフトすることで、この問題に対処する。 既存の手法は、高いモデル性能と低いリソース消費のバランスをとるのに苦労している。 ニューラルネットワークアーキテクチャを最適化する新しい協調設計フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-10-29T19:02:54Z)
• Towards Evaluating the Robustness of Visual State Space Models [63.14954591606638]
  視覚状態空間モデル(VSSM)は視覚知覚タスクにおいて顕著な性能を示した。 しかし、自然と敵対的な摂動の下での頑丈さは依然として重要な懸念事項である。 様々な摂動シナリオ下でのVSSMの頑健さを総合的に評価する。
  論文  参考訳（メタデータ） (2024-06-13T17:59:44Z)
• Contextualizing MLP-Mixers Spatiotemporally for Urban Data Forecast at Scale [54.15522908057831]
  本稿では,STTD予測を大規模に行うためのコンピュータ・ミクサーの適応版を提案する。 我々の結果は、この単純な効率の良いソリューションが、いくつかのトラフィックベンチマークでテストした場合、SOTAベースラインに匹敵する可能性があることを驚くほど示している。 本研究は, 実世界のSTTD予測において, 簡便な有効モデルの探索に寄与する。
  論文  参考訳（メタデータ） (2023-07-04T05:19:19Z)

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。