この記事では、システムダイナミクスの正確な学習が高度な制御や意思決定に不可欠であることを説明しています。現実のシステムは多くのチャネルや非線形の遷移ダイナミクスを示すため、従来のモデリング手法には課題があります。著者たちは、これらのシステムをガウス過程状態空間モデル（GPSSM）として定式化し、再帰学習手法を開発しました。主な貢献は三つあります。第一に、異質な多出力カーネルを設計し、各出力次元が異なるカーネル型やハイパーパラメーターを採用できるようにしました。第二に、各出力次元に対して独立に選択・剪定を行う誘導点管理アルゴリズムを導入し、計算効率を向上させました。第三に、一般的なモーメントマッチング手法をサポートする統一再帰推論フレームワークを提供しました。実験結果は、提案手法が従来のオフラインGPSSMと同等の精度を1/100の時間で実現し、重いノイズ下でも従来のオンラインGPSSMを約70%上回る精度を達成したことを示しています。