研究人员提出了一种用于越野驾驶中运动预测的神经符号方法，通过嵌入保守定律到数据驱动的神经模型中。实验证明该方法准确预测车辆运动，容忍外部干扰，且在准确性和效率方面优于现有方法。该方法展示了长期预测中的数据效率学习和泛化能力。

该论文研究了神经网络与数值方案的结合，用于处理保守定律。实验证明了该方法在时间连续预测和对分布之外样本的推广能力方面的优势。