LagNetViP：一种用于视频预测的拉格朗日神经网络
机器学习
2020-10-27 v1 计算机视觉与模式识别
摘要
视频预测的主流范式依赖于不透明的转移模型，其中运动方程与系统潜在物理量均难以推断。由牛顿第二定律所定义的运动方程描述物理系统状态的时间演化，因此可用于确定未来系统状态。本文引入一种视频预测模型，其中运动方程由所学潜在物理量的表示显式构造。为此，我们同时学习低维状态表示与系统拉格朗日量。拉格朗日量的动能与势能项被分别建模，并利用欧拉-拉格朗日方程显式构造低维运动方程。我们在修改后的 OpenAI gym Pendulum-v0 与 Acrobot 环境下渲染的图像序列上展示了该方法用于视频预测的有效性。
引用
@article{arxiv.2010.12932,
title = {LagNetViP: A Lagrangian Neural Network for Video Prediction},
author = {Christine Allen-Blanchette and Sushant Veer and Anirudha Majumdar and Naomi Ehrich Leonard},
journal= {arXiv preprint arXiv:2010.12932},
year = {2020}
}