LEARNING
利用神经常微分方程在黎曼流形上从示范中学习：扩展摘要
Diana Cuervo Espinosa, Mahathi Anand, Angela P. Schoellig
- 发表年份
- 2026
- 访问权限
- 开放获取
摘要
本文提出一种在黎曼流形上从示范中学习的方法，通过神经常微分方程数值估计测地线，以生成自然且复杂的机器人运动。初步模拟实验表明，该方法在计算效率上优于现有技术，并有望应用于位置和姿态数据的联合编码。
关键词
Riemannian manifoldsneural ODEslearning from demonstrationsgeodesicsmotion generation
相关论文
LEARNING
📊 8,465 引用
The Organization of Behavior
D. O. Hebb
2005
LEARNING
📊 7,678 引用
Fractional Brownian Motions, Fractional Noises and Applications
Benoît B. Mandelbrot, John W. Van Ness
1968
LEARNING
开放获取📊 7,484 引用
Review of deep learning: concepts, CNN architectures, challenges, applications, future directions
Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者
2021
LEARNING
📊 4,608 引用
A guide to deep learning in healthcare
Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者
2018