一种基于张量回归的人体运动预测方法
机器人学
2022-02-08 v1
摘要
协作机器人系统将成为当前及未来工业应用的一项关键使能技术。此类应用的主要方面是保证人类的安全。为检测危险情况，当前市售机器人系统依赖于与协作人员的直接物理接触。为进一步提升该技术，已有多种努力致力于为这类系统开发预测能力。利用运动追踪传感器和姿态估计系统并结合适当的预测模型，可预测人与机器人之间潜在的危害碰撞事件。基于所提供的预测信息，机器人系统可通过调整速度或位置来避免物理接触。此类系统的一个潜在方法是使用如人工神经网络等机器学习方法进行人体运动预测。在我们的方法中，利用过去数秒的运动模式，通过应用线性张量对张量回归模型来预测未来运动模式，该模型依据由动态时间规整获得的运动序列间相似性度量来选取。为测试和验证我们所提方法，使用动作捕捉系统记录了工业伪装配任务，为每个人体关节提供唯一可追踪的笛卡尔坐标。对于与装配任务相关的、数据长度差异显著且变量高度相关的重复性人体运动，已实现实时预测。
引用
@article{arxiv.2202.03179,
title = {A Tensor Based Regression Approach for Human Motion Prediction},
author = {Lorena Gril and Philipp Wedenig and Chris Torkar and Ulrike Kleb},
journal= {arXiv preprint arXiv:2202.03179},
year = {2022}
}