用于运动预测的等变深度动态模型
机器学习
2022-03-01 v3 人工智能
摘要
通过深度生成模型学习表示是一种强大的动态建模方法，可以发现数据最简化、最压缩的底层描述，然后将其用于预测等其他任务。大多数学习任务具有内在对称性，即输入变换使输出保持不变，或者输出经历类似的变换。然而，学习过程通常不知道这些对称性。因此，对于单独变换的输入，学习到的表示可能没有有意义的关联。在本文中，我们提出了一种用于运动预测的SO(3)等变深度动态模型（EqDDM），该模型学习输入空间的结构化表示，使得嵌入随对称变换而变化。EqDDM配备了等变网络来参数化状态空间发射和转移模型。我们在各种运动数据上展示了所提出模型的优越预测性能。
引用
@article{arxiv.2111.01892,
title = {Equivariant Deep Dynamical Model for Motion Prediction},
author = {Bahar Azari and Deniz Erdoğmuş},
journal= {arXiv preprint arXiv:2111.01892},
year = {2022}
}
备注
Accepted at AISTATS 2022