Buchumschlag

KeyCLD: Learning Constrained Lagrangian Dynamics in Keypoint Coordinates from Images

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Daems, Rembert, Taets, Jeroen, wyffels, Francis, Crevecoeur, Guillaume
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Machine Learning Systems and Control
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Efficient Training of Neural SDEs Using Stochastic Optimal Control
von: Daems, Rembert, et al.
Veröffentlicht: (2025)

How to Capture Human Preference: Commissioning of a Robotic Use-Case via Preferential Bayesian Optimisation
von: De Witte, Sander, et al.
Veröffentlicht: (2025)

Deterministic Trajectory Optimization through Probabilistic Optimal Control
von: Filabadi, Mohammad Mahmoudi, et al.
Veröffentlicht: (2024)

Probabilistic Latent Variable Modeling for Dynamic Friction Identification and Estimation
von: Vantilborgh, Victor, et al.
Veröffentlicht: (2024)

Unifying Entropy Regularization in Optimal Control: From and Back to Classical Objectives via Iterated Soft Policies and Path Integral Solutions
von: Bhole, Ajinkya, et al.
Veröffentlicht: (2025)

Predictive Lagrangian Optimization for Constrained Reinforcement Learning
von: Zhang, Tianqi, et al.
Veröffentlicht: (2025)

ECO: Energy-Constrained Operator Learning for Chaotic Dynamics with Boundedness Guarantees
von: Goertzen, Andrea, et al.
Veröffentlicht: (2025)

Deep-Learning-Directed Preventive Dynamic Security Control via Coordinated Demand Response
von: Masoumi, Amin, et al.
Veröffentlicht: (2025)

Integrating Lagrangian Neural Networks into the Dyna Framework for Reinforcement Learning
von: Das, Shreya, et al.
Veröffentlicht: (2026)

Resilient Constrained Reinforcement Learning
von: Ding, Dongsheng, et al.
Veröffentlicht: (2023)

Learning Physically Consistent Lagrangian Control Models Without Acceleration Measurements
von: Laiche, Ibrahim, et al.
Veröffentlicht: (2025)

Learning mechanical systems from real-world data using discrete forced Lagrangian dynamics
von: Hansen, Martine Dyring, et al.
Veröffentlicht: (2025)

How Does the Lagrangian Guide Safe Reinforcement Learning through Diffusion Models?
von: Cheng, Xiaoyuan, et al.
Veröffentlicht: (2026)

Physics-Constrained Machine Learning for Chemical Engineering
von: Mukherjee, Angan, et al.
Veröffentlicht: (2025)

Meta-Learning for Physically-Constrained Neural System Identification
von: Chakrabarty, Ankush, et al.
Veröffentlicht: (2025)

Hierarchical Upper Confidence Bounds for Constrained Online Learning
von: Baheri, Ali
Veröffentlicht: (2024)

Robo-taxi Fleet Coordination at Scale via Reinforcement Learning
von: Tresca, Luigi, et al.
Veröffentlicht: (2025)

Distributed Differentiable Dynamic Game for Multi-robot Coordination
von: Zhou, Yizhi, et al.
Veröffentlicht: (2022)

HUANet: Hard-Constrained Unrolled ADMM for Constrained Convex Optimization
von: Tran, Trinh, et al.
Veröffentlicht: (2026)

Improving Stochastic Action-Constrained Reinforcement Learning via Truncated Distributions
von: Stolz, Roland, et al.
Veröffentlicht: (2025)

Adaptive Decentralized Federated Learning in Energy and Latency Constrained Wireless Networks
von: Yan, Zhigang, et al.
Veröffentlicht: (2024)

Machine Learning Infused Distributed Optimization for Coordinating Virtual Power Plant Assets
von: Li, Meiyi, et al.
Veröffentlicht: (2023)

Coordinating Planning and Tracking in Layered Control Policies via Actor-Critic Learning
von: Yang, Fengjun, et al.
Veröffentlicht: (2024)

Intelligent Communication Planning for Constrained Environmental IoT Sensing with Reinforcement Learning
von: Hu, Yi, et al.
Veröffentlicht: (2023)

MAD: A Magnitude And Direction Policy Parametrization for Stability Constrained Reinforcement Learning
von: Furieri, Luca, et al.
Veröffentlicht: (2025)

Anomaly Detection with Machine Learning Algorithms in Large-Scale Power Grids
von: Gillioz, Marc, et al.
Veröffentlicht: (2026)

Dynamic Rolling Horizon Optimization for Network-Constrained V2X Value Stacking of Electric Vehicles Under Uncertainties
von: Jiang, Canchen, et al.
Veröffentlicht: (2025)

Learning Linear Dynamics from Bilinear Observations
von: Sattar, Yahya, et al.
Veröffentlicht: (2024)

Communication-aware Wide-Area Damping Control using Risk-Constrained Reinforcement Learning
von: Kwon, Kyung-bin, et al.
Veröffentlicht: (2025)

Certifying Robustness of Learning-Based Keypoint Detection and Pose Estimation Methods
von: Luo, Xusheng, et al.
Veröffentlicht: (2024)

Safely Learning Dynamical Systems
von: Ahmadi, Amir Ali, et al.
Veröffentlicht: (2023)

Wasserstein Distributionally Robust Nash Equilibrium Seeking with Heterogeneous Data: A Lagrangian Approach
von: Wang, Zifan, et al.
Veröffentlicht: (2025)

Lagrangian Relaxation for Multi-Action Partially Observable Restless Bandits: Heuristic Policies and Indexability
von: Meshram, Rahul, et al.
Veröffentlicht: (2025)

Learning Dissipative Neural Dynamical Systems
von: Xu, Yuezhu, et al.
Veröffentlicht: (2023)

Convex Chance-Constrained Stochastic Control under Uncertain Specifications with Application to Learning-Based Hybrid Powertrain Control
von: Kato, Teruki, et al.
Veröffentlicht: (2026)

Goal Reaching with Eikonal-Constrained Hierarchical Quasimetric Reinforcement Learning
von: Giammarino, Vittorio, et al.
Veröffentlicht: (2025)

Spectral Normalization for Lipschitz-Constrained Policies on Learning Humanoid Locomotion
von: Shin, Jaeyong, et al.
Veröffentlicht: (2025)

Neural Coordination and Capacity Control for Inventory Management
von: Eisenach, Carson, et al.
Veröffentlicht: (2024)

An Optimal Control Framework for Airborne Wind Energy Systems with a Flexible Tether
von: Heydarnia, Omid, et al.
Veröffentlicht: (2024)

Conformal Predictive Programming for Chance Constrained Optimization
von: Zhao, Yiqi, et al.
Veröffentlicht: (2024)