⚡ electrical engineering

Delta-Position Estimation-Based IMU Odometry: A Comparison of MLP and Kolmogorov-Arnold Networks

Diese Arbeit zeigt, dass ein Kolmogorov-Arnold-Network (KAN) mit lernbaren B-Spline-Aktivierungen eine Standard-MLP bei der IMU-Odometrie signifikant übertrifft, indem es einen um 44 % geringeren kumulativen Drift bei 6,9-mal weniger Parametern erreicht, wenn es darauf trainiert wird, die inkrementelle Verschiebung anstatt der absoluten Position zu schätzen.

Ursprüngliche Autoren: Osman Tokluoglu, Emin Keresteci

Veröffentlicht 2026-06-25

📖 4 Min. Lesezeit☕ Kaffeepausen-Lektüre

CC BY 4.0

Ursprüngliche Autoren: Osman Tokluoglu, Emin Keresteci

Originalarbeit lizenziert unter CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dies ist eine KI-generierte Erklärung des untenstehenden Papers. Sie wurde nicht von den Autoren verfasst oder gebilligt. Für technische Genauigkeit konsultieren Sie das Originalpaper. Vollständigen Haftungsausschluss lesen

Das große Problem: Der „betrunkene Gang“ von Robotern

Stellen Sie sich einen Roboter vor, der in einem Raum fliegt, ohne GPS (wie eine Drohne in einem Lagerhaus). Um zu wissen, wo er sich befindet, verlässt er sich auf ein IMU (Inertial Measurement Unit), was im Grunde ein hochmoderner Beschleunigungssensor und Gyroskop ist. Es ist wie eine blind gebundene Person, die versucht, in einer geraden Linie zu gehen, indem sie nur ihre eigenen Schritte fühlt.

Das Problem? Diese Sensoren sind unvollkommen. Sie haben winziges „Zittern“ und Bias (Abweichungen). Wenn man diese winzigen Fehler über die Zeit einfach aufsummiert, glaubt der Roboter, er bewege sich in einer geraden Linie, aber in Wirklichkeit driftet er vom Kurs ab. In mathematischen Begriffen wächst dieser Fehler quadratisch – das heißt, je länger der Roboter fliegt, desto wilder verirrt er sich. Es ist wie ein „betrunkener Gang“, der immer schlimmer wird, je länger man läuft.

Der alte Weg vs. die neue Idee

Traditionell versuchten Ingenieure, dies zu beheben, indem sie das IMU mit Kameras oder Lasern kombinierten (als würde man der blind gebundenen Person eine Taschenlampe geben). Aber diese Arbeit stellt die Frage: Können wir einen Computer dazu bringen, ein besserer „Schrittzähler“ zu werden, indem wir uns nur die IMU-Daten selbst ansehen?

Anstatt den Computer zu fragen: „Wo bist du gerade?“ (was schwierig ist und zu großen Fehlern führt), fragten die Forscher: „Wie weit hast du dich in den letzten 50 Millisekunden bewegt?“

Die Strategie: Den Flug in winzige 50-Millisekunden-Abschnitte unterteilen. Die winzige Bewegung für jeden Abschnitt vorhersagen. Dann diese winzigen Bewegungen zusammenfügen, um den vollständigen Pfad aufzubauen.

Der Wettkampf: Der Schwergewichtler gegen den Akrobaten

Die Arbeit vergleicht zwei verschiedene Arten von „Gehirnen“ (neuronale Netze), um zu sehen, welches besser bei dieser Schrittzähl-Aufgabe abschneidet:

Das MLP (Multi-Layer Perceptron): Betrachten Sie dies als einen schwergewichtigen Bodybuilder. Es ist ein Standard-, sehr verbreiteter Typ von KI. Er hat viele Muskeln (Parameter) – etwa 57.859 von ihnen. Er ist kraftvoll, aber klobig.
Das KAN (Kolmogorov–Arnold Network): Betrachten Sie dies als einen flexiblen Akrobaten. Es ist eine neuere, experimentelle Art von KI. Anstatt feste „Regeln“ dafür zu verwenden, wie es Daten verarbeitet, nutzt es lernbare B-Splines.
- Die Analogie: Stellen Sie sich vor, das MLP ist eine starre Leiter mit festen Sprossen. Das KAN ist ein Gummiband oder eine Steinschleuder, die sich dehnen und biegen kann, um sich perfekt an die Form der Daten anzupassen. Es hat viel weniger Muskeln – nur 8.444 Parameter (etwa 7-mal kleiner als der Bodybuilder).

Die Ergebnisse: Wer hat gewonnen?

Die Forscher ließen beide „Gehirne“, versuchen, den Pfad der Drohne bei einem Testflug vorherzusagen.

Kurzfristig: In der allerersten Fraktion einer Sekunde waren beide Gehirne fast gleichermaßen gut darin, die winzige Bewegung zu erraten. Sie lagen Kopf an Kopf.
Langfristig (Der wahre Test): Hier glänzte das Gummiband (KAN).
- Der Bodybuilder (MLP) machte winzige Fehler, die sich aufsummierten. Am Ende des Fluges war der Roboter 17,23 Meter vom Kurs abgekommen. Das ist so, als würde man das Ziel um die Länge eines Busses verfehlen!
- Der Akrobat (KAN) machte winzige Fehler, die sich scheinbar besser gegenseitig ausglichen. Am Ende war er nur 9,61 Meter vom Kurs abgekommen.
- Der Sieg: Das KAN war langfristig 44 % genauer, obwohl es viel weniger „Gehirnleistung“ (Parameter) hatte.

Der Haken: Die Trainingszeit

Es gibt einen Nachteil. Obwohl das KAN kleiner und genauer ist, war es langsamer im Training.

Der Bodybuilder (MLP) lernte seine Lektion in etwa 41 Sekunden.
Der Akrobat (KAN) brauchte etwa 460 Sekunden (über 7 Minuten), um zu lernen.
Analogie: Das KAN ist wie ein Schüler, der länger für die Prüfung lernt, aber am Ende eine bessere Note bekommt und es länger behält.

Das Fazit

Die Arbeit behauptet, dass die Verwendung dieses neuen „flexiblen“ Netzwerks (KAN) ein vielversprechender Weg ist, um Drohnen und Roboter ohne GPS navigieren zu lassen. Auch wenn es länger dauert, dem Roboter etwas beizubringen, ist das Ergebnis ein viel stabilerer Pfad, der nicht so wild abdriftet wie die alten, schwereren Methoden. Die „lernbaren Gummibänder“ im Inneren des KAN scheinen die chaotische, reale Physik der Bewegung besser zu handhaben als die starren, Standard-Netzwerke.

Technische Zusammenfassung: Delta-Positions-Schätzung basierte IMU-Odometrie: Ein Vergleich von MLP und Kolmogorov–Arnold-Netzwerken

Problemstellung
Die genaue Positionsschätzung für autonome Flugfahrzeuge in GPS-gestörten Umgebungen bleibt eine kritische Herausforderung. Während Inertialsensoren (IMUs) hochfrequente Daten liefern, leidet die klassische Koppelnavigation unter einem quadratischen Fehlerwachstum aufgrund der doppelten Integration verrauschter Messwerte und Bias-Werten. Traditionelle Lösungen verlassen sich auf Sensorfusion (z. B. Visual-Inertial Odometry) und modellbasierte Filterung (z. B. EKF, Faktorgraphen), die jedoch oft degradieren, wenn Sensormodelle nicht übereinstimmen oder kinematische Annahmen versagen. Umgekehrt bieten lernbasierte Ansätze, wie etwa die Verwendung von Multi-Layer-Perzeptronen (MLPs) zur lokalen Verschiebungsregression, datengesteuerte Alternativen, können aber dennoch unter systematischer Fehlerskumulation über die Zeit leiden. Diese Studie untersucht, ob Kolmogorov–Arnold-Netzwerke (KANs), eine neuere Architektur mit lernbaren Aktivierungsfunktionen, herkömmliche MLPs in der inertialen Odometrie übertreffen können, indem sie den langfristigen Drift reduzieren und gleichzeitig eine kompakte Modellgröße beibehalten.

Methodik
Die Studie nutzt den EuRoC MAV Benchmark-Datensatz (speziell die Sequenz V1_01_easy), der 200-Hz-IMU-Daten und Vicon-Ground-Truth enthält. Das Problem wird als Delta-Positions-Schätzung formuliert und nicht als absolute Positionsregression, um das inhärente Driftproblem in der Zielformulierung zu vermeiden.

Datenverarbeitung: Die Roh-IMU-Messwerte (Winkelgeschwindigkeit und spezifische Kraft) werden in gleitenden Fenstern von $W=10$ Proben (50 ms) organisiert. Das Ziel ist die inkrementelle Verschiebung ( $\Delta p$ ) zwischen dem Anfang und dem Ende jedes Fensters.
Architekturen:
- MLP-Baseline: Ein Standard-Feedforward-Netzwerk ( $\mathbb{R}^{60} \to 256 \to 128 \to 64 \to \mathbb{R}^3$ ) mit Batch-Normalisierung, ReLU und Dropout. Es enthält 57.859 trainierbare Parameter.
- KAN: Ein Netzwerk mit lernbaren univariaten B-Spline-Funktionen an den Kanten anstelle fester Knotenaktivierungen. Die Architektur ist definiert als $[60, 7, 5, 3]$ mit kubischen B-Splines ( $k=3$ ) und 5 Gitterpunkten. Es enthält 8.444 trainierbare Parameter (etwa 6,9-mal weniger als das MLP).
Training: Beide Modelle wurden mit dem Adam-Optimizer unter Verwendung von Early Stopping trainiert. Die Trajektorien wurden durch numerische Integration der vorhergesagten $\Delta p$ -Vektoren rekonstruiert.
Evaluierung: Die Leistung wurde anhand von pro Schritt gemessenen Verschiebungsfehlern (dRMSE, dMAE) und kumulativen Drift-Metriken (Median $P_{50}$ , 90. Perzentil $P_{90}$ und Finaler Drift) auf einem chronologisch geteilten Testset gemessen.

Wesentliche Beiträge

Empirischer Vergleich: Die Studie liefert einen kontrollierten Vergleich, der zeigt, dass ein KAN mit signifikant weniger Parametern (8.444 gegenüber 57.859) eine 44%ige Reduktion des finalen kumulativen Drifts im Vergleich zu einem Standard-MLP bei derselben Delta-Positions-Schätzungsaufgabe erreicht.
Systematische Ablationsstudie: Die Autoren führten Ablationsstudien bezüglich der IMU-Abtastfrequenz und der Fenstergröße durch, um die optimalen Betriebsbedingungen für jede Architektur zu identifizieren.
Interpretabilitätsanalyse: Die Arbeit enthält eine Analyse der gelernten KAN-Spline-Funktionen, die physikalisch bedeutsame Kanalpräferenzen und Lokalitäts-Biases aufzeigt, die konsistent mit der Physik der Inertialsensoren sind, was darauf hindeutet, dass das Modell interpretierbare Repräsentationen der Sensordynamik lernt.

Ergebnisse

Kurzzeitgenauigkeit: Beide Modelle zeigten eine vergleichbare kurzfristige Vorhersagegenauigkeit mit einem vernachlässigbaren Unterschied im dRMSE (0,023 m für MLP gegenüber 0,022 m für KAN).
Langzeitstabilität: Das KAN-Modell demonstrierte eine überlegene Stabilität bei der Fehlerskumulation.
- Finaler Drift: Das MLP resultierte in 17,23 m, während das KAN 9,61 m erreichte.
- Perzentil-Drift: Das KAN zeigte niedrigere Median- ( $P_{50}$ : 3,22 m gegenüber 5,18 m) und 90. Perzentil-Werte ( $P_{90}$ : 6,96 m gegenüber 10,06 m) des kumulativen Drifts.
Rechenaufwand: Das KAN-Modell benötigte eine deutlich längere Trainingszeit (ca. 460 Sekunden) im Vergleich zum MLP (ca. 41 Sekunden), trotz seiner geringeren Parameteranzahl.

Bedeutung und Behauptungen
Die Arbeit behauptet, dass die lernbare B-Spline-basierte Aktivierungsstruktur von KANs einen strukturellen Vorteil für die inertiale Odometrie bietet, indem sie Fehlerkomponenten erzeugt, die sich während der numerischen Integration teilweise gegenseitig kompensieren und so den systematischen Drift reduzieren. Die Autoren postulieren, dass KANs eine vielversprechende Alternative für kompakte Bewegungsschätzungsanwendungen sind, bei denen die langfristige Stabilität gegenüber der Trainingsgeschwindigkeit priorisiert wird. Die Autoren schließen jedoch bescheiden, dass die Ergebnisse zwar ermutigend sind, die Generalisierungsleistung von KANs über verschiedene Fensterlängen, Abtastfrequenzen und Flugsequenzen hinweg jedoch in zukünftigen Arbeiten weiter untersucht werden muss. Die Ergebnisse legen nahe, dass die Fähigkeit der KAN-Architektur, komplexe Nichtlinearitäten mit weniger Parametern zu modellieren, sie zu einem lebensfähigen Kandidaten für die Reduzierung der Fehlerskumulation in lernbasierter inerzialer Odometrie macht.