稳定精确可推广
用一个神经网络塑形的二次Lyapunov函数来稳定动态系统，使机器人既能精确复现演示区域的运动轨迹，又能利用函数形状信息增强远离演示区域的泛化能力。
Jin, Zhehao · Qin, Dongdong · 刘安东 · 张文安 · Yu, Li
Robotics and Computer-Integrated Manufacturing 2023
通过GPR先学习原始动态系统，再在NS-QLF约束下求解凸优化进行稳定化，稳定后的系统能准确复现演示区域附近的轨迹。
神经网络塑形的QLF能够捕获大范围内的运动规律，稳定后的系统利用这些形状信息提升远离演示区域的泛化能力。
NS-QLF被设计为满足Lyapunov函数的基本性质，从理论上确保学习到的动态系统稳定。