SO(3)、SE(3)、E(3)

最新推荐文章于 2025-04-07 14:15:42 发布
最新推荐文章于 2025-04-07 14:15:42 发布
阅读量1.4k 收藏 1
点赞数 1
CC 4.0 BY-SA版权
文章标签： 深度学习 人工智能
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/baidu_36669549/article/details/125083470
本文探讨了机器学习模型如何通过引入旋转不变性、平移不变性和镜像反转不变性来提高准确性和泛化能力。这些不变性分别对应于SO(N)、SE(N)和E(N)结构。当模型不具备这些性质时，可能会导致物理上不自然的效应，如非自然外力或对光学异构体的能量差异推断。理解并利用这些不变性对于构建更强大的机器学习模型至关重要。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

一般来说，机器学习模型必须加入目标域的归纳偏差，以提高准确性和泛化性能。原子结构的NNs所具有的一些性质包括旋转不变性、平移不变性和镜像反转不变性。

其中，具有旋转不变性的称为SO（N），除SO（N）外具有平移不变性的称为SE（N），除SE（N）外具有镜像反转不变性的称为E（N）。当它们没有装备时，会产生物理上的非自然效应，例如非自然外力或推断光学异构体的不同能量。

凌空的桨
关注
ICLR 2023 | 借助部件级SE(3)等变性的自监督铰接物体位姿估计方法
Paper weekly
04-11 444
研究背景与动机本文旨在探讨铰接物体位姿估计的自监督解法。这个问题本身的价值、以往有监督解法的局限性，和自监督解法直观上的可行性是我们开展相应研究的动机。论文链接：https://arxiv.org/abs/2302.14268代码地址：https://github.com/Meowuu7/equi-articulated-pose项目主页：https://equi-articulated-pose...
李群SE(3)即欧式变换Euclidean transformation（刚性变换Rigid Transformation）
没有最好，只有更好
04-19 6625
李群SE(3) 1.定义 在数学中，刚性变换(也称为欧几里德变换或欧几里德等距)是欧几里德空间的几何变换，它在每一对点之间保持欧几里得度量。 补充：刚性的转换包括旋转、平移、反射或其中的任何序列。反射有时被排除在刚性变换的定义之外，因为它要求变换也保持欧氏空间中物体的利手性。(反射不会保持用手习惯，例如，它会把左手变成右手。)为了避免歧义，保留利手性的变换被称为恰当的刚性变换，或称为旋转平移。任何恰当的刚性转换都可以分解为旋转和平移，而任何恰当的刚性转换都可以分解为反射旋转和平移，或者分解为一系列的反射。
旋转和镜像的关系(E(3) SE(3), SO(3))
weixin_40248634的博客
07-04 530
旋转矩阵行列式与在E(3)三维空间中，旋转矩阵的行列式可以用来判断该旋转是否包含镜像变换。表示纯旋转，不包含镜像。旋转矩阵保持向量的长度和角度不变，只是改变向量的方向。表示旋转包含镜像。旋转矩阵不仅改变了向量的方向，还改变了向量的朝向，相当于。
SE (3) -Transformers：三维旋转 - 平移等变注意力网络
最新发布
qq_49786473的博客
04-07 773
E (3) 变换器，这是一种用于三维点云和图的自注意力模块变体，在连续三维旋转平移下具有等变性。注意力机制的计算量会随着点云规模的增大呈二次方增长，因此引入邻域的概念是很有必要的：每个点不再关注所有其他点，而只关注其最近的邻点。注意力机制此前已在图的领域中以内部注意力、自注意力、顶点注意力或图注意力等名称被引入 [17, 31, 32, 12, 26]。等变性意味着当输入数据发生旋转或平移时，模型的输出也会以相应的、可预测的方式进行变换，从而保证模型性能的稳定性和可预测性。
论文《SE(3)-Transformers: 3D Roto-Translation Equivariant Attention Networks》
L_YXDE的博客
07-03 2589
论文地址：https://arxiv.org/pdf/2006.10503.pdf SE3-Transformers等变性摘要背景以及相关工作一、自注意力机制（The Attention Mechanism）排列等变性（Permutation equivariance）二、图神经网络（Graph Neural Networks）三、等变性（ Equivariance）Group RepresentationsTensor Field Networks方法3.1 Neighbourhoods3.2 The S
SE(3)和SO(3)
qq_41327049的博客
09-26 1149
SE(3)是包含旋转和平移的刚体变换群，而SO(3)是仅包含旋转的群。综上所述，SE(3)和SO(3)是描述三维空间中刚体变换的重要数学工具，它们在机器人学、计算机视觉等领域具有广泛的应用。在机器人学中，SE(3)和SO(3)用于描述机器人的位姿和姿态，是实现机器人导航、路径规划和运动控制等任务的基础。t是3x1的平移向量；SE(3)对乘法封闭，但不对加法封闭，即两个SE(3)元素的和不一定仍然是SE(3)元素。在实际应用中，SE(3)和SO(3)经常一起使用，以全面描述刚体在三维空间中的位置和姿态。
sophus 欧几里得群 SE(2) 和 SE(3) 来表示刚体变换
05-06
这是李群的 C++ 实现，通常用于 2d 和 3d 几何问题（即...其中，这个包包括特殊正交群 SO(2) 和 SO(3) 来表示 2d 和 3d 中的旋转，以及特殊的欧几里得群 SE(2) 和 SE(3) 来表示刚体变换（即旋转和翻译）在 2d 和 3d 中
论文笔记(三)——基于SO(3)\SE(3)流形控制方法在机器人上的应用
机器人控制、感知、决策
09-18 742
几何方法在控制上的应用写在前面应用实例基于SE(3)流形的机械臂末端几何控制方法建模在SE(3)流形上的基于误差函数的末端姿态控制率SE(3)流形上的基本阻抗控制模型SE(3)流形上的误差表示方法SE(3)的距离度量SE(3)流形上的位姿误差度量SE(3)流形上的速度误差函数将阻抗控制建模为一种耗散控制模型（Dissipative Control）耗散模型阻抗控制模型fgf_{g}fg​表达式证明未完待续 写在前面 应用实例 基于SE(3)流形的机械臂末端几何控制方法 建模在SE(3)流形上的基于误差函数的
三星S3C4510B ARM开发板protel99se设计硬件原理图PCB+封装库文件.zip
03-22
三星S3C4510B ARM开发板protel99se设计硬件原理图PCB+封装库文件，硬件2层板设计，大小为170x120mm，Protel 99se 设计的DDB后缀项目工程文件，包括完整无措的原理图及PCB印制板图，已经制板测试使用，可用Protel或 ...
Python实现矩阵李群SO2, SE2, SO3, SE3及其在numpy和PyTorch中的应用
- SE(3)：3维空间的刚体变换群，包括SO(3)的旋转和平移，对应4×4的矩阵，其中3×3的子矩阵是SO(3)的元素，最后一列和平移相关。 本项目 "liegroups" 是一个Python实现，提供了在SO2、SE2、SO3和SE3上的李群操作的...
SOT SOD TO DAP系列封装库PCB库150个（protel99se封装库）.zip
12-09
变压器 插装电感电阻线圈保险管封装库PCB库180合集（protel99se封装库） Component Count : 187 Component Name ----------------------------------------------- DG--CSE187L DG-CM(16*12*8) DG-CM(18*9*7) DG-...
李群理论笔记1：特殊欧式群SE(3)和刚体运动描述
subtitle_的博客
01-12 5011
我们知道在欧式三维空间中一个物体没有约束有三个旋转自由度和三个平动自由度。为了描述一个可动构件相对另一个固定管构件能够有哪些自由度，本质就是寻找可动构件上附带的动坐标系想固定构件上附带的定坐标系之间的姿态变换。这时候就可以引入特殊欧式群SE(3)进行统一的描述，利用群理论描述运动学就变得统一和简化，它具有一套规整的计算规则，可以非常方便直观地利用矩阵方式计算两个坐标系之间的相对位置和姿态。
手动实现李群SE(3)到李代数se(3)之间的对指数运算关系
weixin_41855010的博客
07-22 1059
我们可以推导出以下公式来进行李群和李代数之间的对应转换计算。 已知ω⃗\vec\omegaω和v⃗\vec vv，求RRR和ppp，从而获得TTT，对应T=exp(E)T= exp(E)T=exp(E)，其中E=upgrade([ω⃗,v⃗])E=upgrade([\vec \omega, \vec v])E=upgrade([ω,v])： 已知TTT，可以从其中提取出RRR和ppp，进而可以计算出ω⃗\vec \omegaω和v⃗\vec vv，即E=log(T)E=log(T)E=log(T)，[ω⃗
se3
牛鼻子老刀的专栏
11-13 1908
This is the VOA special english agriculture report.To call land marginal means it is not very good.Farmers have their own way to discribe it.Marginal land is the last to be planted under good conditio
SE(3)和se(3)，左扰动模型
wubobupt2的博客
11-14 496
SE(3), se(3), 左扰动模型
SO(3), SE(3), so(3), se(3) 的对应关系
热门推荐
qq_28105413的博客
01-21 1万+
【无人机】基SE(3) 几何控制的四旋翼飞行器Matlab仿真
qq_59747472的博客
09-14 642
四旋翼无人机作为一种灵活且应用广泛的飞行器，在各个领域都展现出了巨大的潜力，例如航空摄影、货物运输和搜救等。为了实现精准的飞行控制，理解四旋翼无人机的运动学和动力学模型至关重要。在传统的控制框架中，四旋翼无人机的运动通常被描述在欧几里得空间 R^3 中，这忽略了其姿态信息。然而，在更精确的控制和规划任务中，考虑姿态信息是不可或缺的。为此，本文将探讨四旋翼无人机在特殊欧几里得群 SE(3) 上的几何控制方法。SE(3) 群与四旋翼无人机运动学。
【物理应用】基于宽度优先搜索算法求解不可压缩、粘性、旋转流体的Navier-Stokes方程二维盖驱动方形空腔问题附MATLAB代码
qq_59747472的博客
03-29 1119
本文提出了一种基于宽度优先搜索（BFS）算法求解不可压缩、粘性、旋转流体的Navier-Stokes方程二维盖驱动方形空腔问题的数值方法。该方法将求解域离散为网格，并使用BFS算法搜索网格上的流体流动路径。通过迭代更新流体速度和压力，可以得到方程的数值解。本文给出了该方法的详细步骤和实现细节，并通过算例验证了该方法的准确性和效率。
论文：SE3-Pose-Nets: Structured Deep Dynamics Models for Visuomotor Planning and Control
Jack_Kuo的博客
06-21 793
题目： SE3-Pose-Nets：用于视觉运动规划和控制的结构化深度动力学模型 摘要： 　　在这项工作中，我们提出了一种使用结构化深层动力学模型进行深度视觉运动控制的方法。我们的深度动力学模型是SE3-Nets的变体，通过编码器 - 解码器结构学习了一个用于视觉控制的低维姿态嵌入。与以前的工作不同，我们的动态模型是结构化的：在给定输入场景的情况下，我们的网络明确地学习分割突出部分并预测它...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值