연구진은 관절 로봇과 생체역학 모델 등 실제 시스템에서 자주 사용되는 오일러 각도 회귀 문제를 재검토했어요. 오일러 각도의 불연속성과 특이점 때문에 훈련이 불안정해지는 문제를 해결하기 위해 새로운 프레임워크를 제안했어요. 이 프레임워크는 범위 인식 오일러 모델과 콜모고로프-아르노 네트워크(KAN)를 결합하여 정확도, 수렴 속도, 효율성을 개선했어요.
KAN은 고정된 노드별 활성화 함수를 대신하여 에지에 대한 학습 가능한 단변수 함수를 사용하며, 연구진은 이론적 분석을 통해 오일러 각도 범위 제한이 회귀 함수에 거의 가산적인 구조를 유도한다는 것을 확인했어요. 이러한 경향은 실험적으로도 입증됐어요.
제안된 방법은 제어된 회전 회귀, 객체 자세 추정, 로봇 및 인간 역운동학 실험에서 일관된 성능 향상을 보였으며, 코드는 공개될 예정이에요.