AdaptiGraph是一种基于学习的动力学建模方法，用于预测、适应和控制可变形材料的未知物理特性。其创新之处在于GBND模型，能够统一预测不同材料的运动和物理特性。

该文介绍了一种新的奖励学习模块，可以通过生成模型生成内在奖励信号，提高模块在环境中的动力学建模能力，并为模仿代理提供了模仿者的内在意图和更好的探索能力。该模型在多个 Atari 游戏中的表现优于现有的 IRL 方法，即使只有一次演示，性能也是演示的 5 倍。

该文介绍了DSR-Net模型，一种用于三维动态场景表示的方法，能够实现3D场景动力学建模，为机器人操作任务提供准确规划。该方法能够发现、跟踪、重构对象及预测其动态，性能表现较高。