通过离散欧拉-拉格朗日方程保持结构的高斯过程

Jan-Hendrik Ewering, Kathrin Flaßkamp, Niklas Wahlström, Thomas B. Schön, Thomas Seel

2026

摘要

本文提出拉格朗日高斯过程（LGPs），利用离散受迫欧拉-拉格朗日方程实现动力学概率性和数据高效学习，在无外力时通过构造保留拉格朗日-达朗贝尔原理的几何结构，从而避免能量漂移并实现稳定长期预测。该方法仅需离散位置快照即可学习动力学，适用于运动捕捉等仅测量位置的场景。

Gaussian ProcessesLagrangian mechanicsdiscrete Euler-Lagrangedynamics learningdata-efficient

LEARNING

开放获取📊 1 引用

Keyi Shen, Glen Chou

2026

LEARNING

📊 0 引用

Xiwei Wu, Wei Wu, Qiqi Chen 等 9 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Hedi Boukamcha, Anas Neumann, Monia Rekik 等 6 位作者

Robotics and Computer-Integrated Manufacturing · 2026

LEARNING

📊 0 引用

Jiaxin Liu, Xiaofeng Zhou, Suyang Yu 等 8 位作者

Robotics and Computer-Integrated Manufacturing · 2026