基于多步端口哈尔顿高斯过程的被动连续时间动力学学习
机器学习
2025-10-07 v2 系统与控制
系统与控制
摘要
我们提出多步端口哈尔顿高斯过程 (MS-PHS GP) 来学习物理一致的连续时间动力学及哈尔顿量的后验分布，以应对噪声和不规则采样的轨迹。通过在哈尔顿面 上放置 GP 先验，并将可变步长多步积分器约束编码为有限线性函数，MS-PHS GP 实现了对向量场和哈尔顿面的闭形式条件化，而无需潜在状态，并通过设计强制能量平衡和被动性。我们给出有限样本向量场界限，将估计与可变步长离散化项分离。最后，我们在质量-弹簧、范德波尔和达林基基准测试中演示了更好的向量场恢复和良好校准的哈尔顿不确定性。
引用
@article{arxiv.2510.00384,
title = {Learning Passive Continuous-Time Dynamics with Multistep Port-Hamiltonian Gaussian Processes},
author = {Chi Ho Leung and Philip E. Paré},
journal= {arXiv preprint arXiv:2510.00384},
year = {2025}
}