Naukowcy z dziedziny machine learning zaproponowali Motion Equivariant Convolutional LSTM (MELSTM), nową architekturę sieciową, która bierze pod uwagę fakt, że większość zmian w sekwencyjnych danych wynika z ruchu - obiekty się poruszają, kamery się przewijają, warunki się zmieniają. Tradycyjne sieci rekurencyjne nie są do tego przystosowane: ich pamięć pozostaje nieruchoma, podczas gdy obserwacje przesuwają się w przestrzeni.
Przełom polega na traktowaniu ruchu jako symetrii gauża - pojęcia zaczerpniętego z fizyki teoretycznej. Zamiast wyliczać z góry bank możliwych prędkości jak dotychczasowe podejścia (flow equivariant networks), MELSTM sam modeluje i szacuje zmienną w czasie prędkość ruchu. To działanie jako pole gauża, które dostosowuje się do każdego ruchu w danych. Model łączy tę ideę ze splotowymi sieciami LSTM, rozszerzając je z prostych ruchów jednostajnych na dowolne acceleracje i rotacje.
W eksperymentach MELSTM przebija zarówno standardowe convolutional LSTM jak i poprzednie modele flow-equivariant z tym samym budżetem parametrów. Działa lepiej w predykcji przyszłych klatek wideo, lepiej klasyfikuje cyfry widoczne tylko poprzez ich ruch i radzi sobie ze zniekształceniami kamery. Kluczową zaletą jest generalizacja do dłuższych horyzontów czasowych i nowych, niewidzianych wcześniej ruchów - co ma praktyczne znaczenie dla systemów autonomicznych i przetwarzania wideo w rzeczywistych warunkach.