In dieser Arbeit konzentrieren wir uns darauf, diese Felder zu entdecken und sie allein aus den beobachteten Dynamiken abzuleiten, ohne sie direkt zu beobachten. Wir postulieren die Existenz latenter Kraftfelder und schlagen neuronale Felder vor, um sie zu lernen. Da die beobachteten Dynamiken die Nettowirkung lokaler Objektinteraktionen und globaler Feldeffekte darstellen, sind die in letzter Zeit populär gewordenen äquivarianten Netzwerke nicht anwendbar, da sie globale Informationen nicht erfassen können. Um dies anzugehen, schlagen wir vor, lokale Objektinteraktionen, die SE(n)-äquivariant sind und von relativen Zuständen abhängen, von externen globalen Feldeffekten, die von absoluten Zuständen abhängen, zu entkoppeln. Wir modellieren Interaktionen mit äquivarianten Graphnetzwerken und kombinieren sie mit neuronalen Feldern in einem neuartigen Graphnetzwerk, das Feldkräfte integriert. Unsere Experimente zeigen, dass wir die zugrunde liegenden Felder in Einstellungen mit geladenen Teilchen, Verkehrsszenen und gravitativen n-Körper-Problemen genau entdecken und effektiv nutzen können, um zukünftige Trajektorien zu lernen.
To Another Language
from source content
arxiv.org
Thông tin chi tiết chính được chắt lọc từ
by Miltiadis Ko... lúc arxiv.org 03-21-2024
https://arxiv.org/pdf/2310.20679.pdfYêu cầu sâu hơn