一种用于有效水下人机交互的潜水员注意力估计框架
机器人学
2025-03-14 v2 计算机视觉与模式识别
摘要
许多水下任务，如缆线与残骸巡检以及搜索救援，都可受益于稳健的人机交互(HRI)能力。随着基于视觉的水下HRI方法的近期进展，自主水下航行器(AUV)已能够在无需水面操作员协助的情况下与其人类伙伴交互。然而，在这些方法中，AUV假定潜水员已准备好交互，而现实中潜水员可能分心。本文中，我们试图通过提出一种供AUV自主判定潜水员注意状态的潜水员注意力估计框架，并开发一种机器人控制器使AUV在发起交互前相对于潜水员进行导航与重新定向，来解决此问题。该框架的核心是一个称为DATT-Net的深度卷积神经网络。它基于金字塔结构，可利用潜水员10个面部关键点的几何关系来估计其头部朝向，我们将其用作注意力指标。我们在实验台上的评估以及封闭与开放水域机器人试验中的真实世界实验均证实了所提框架的有效性。
引用
@article{arxiv.2209.14447,
title = {A Diver Attention Estimation Framework for Effective Underwater Human-Robot Interaction},
author = {Sadman Sakib Enan and Junaed Sattar},
journal= {arXiv preprint arXiv:2209.14447},
year = {2025}
}
备注
9 pages, 6 figures, 2 tables