面向协作环境的动作预测：上下文信息与基于不确定性的预测之影响
机器人学
2020-06-19 v2 人工智能
计算机视觉与模式识别
摘要
为了在协作环境中与人类交互，机器需要能够预测（即预期）未来事件，并及时执行动作。然而，仅观察人体肢体运动可能不足以明确预测其动作。在本工作中，我们考虑随时间变化的另外两个信息源（即上下文）：注视、运动和物体信息，并研究这些额外的上下文线索如何提升动作预测性能。我们将动作预测视为一个分类任务，其中模型将可用信息作为输入并预测最可能的动作。我们提出将每次预测的不确定性作为动作预测的在线决策准则。不确定性被建模为应用于基于时间的神经网络架构的随机过程，这改进了传统的类别似然（即确定性）准则。本文的主要贡献有四个方面：（i）我们提出了一种新颖且有效的决策准则，即使在高度模糊的情况下也可用于预测动作；（ii）我们提出了一种深度架构，在使用 Acticipate 协作数据集时，其在动作预测任务上的表现优于先前结果；（iii）我们表明上下文信息对于消除相似动作解释的歧义十分重要；以及（iv）我们还提供了三种现有性能度量的形式化描述，可轻松用于评估动作预测模型。我们在 Acticipate 数据集上的结果显示了上下文信息及不确定性准则对于动作预测的重要性。仅使用平均 25% 的观测数据，我们在预测任务中达到了 98.75% 的平均准确率。
引用
@article{arxiv.1910.00714,
title = {Action Anticipation for Collaborative Environments: The Impact of Contextual Information and Uncertainty-Based Prediction},
author = {Clebeson Canuto and Plinio Moreno and Jorge Samatelo and Raquel Vassallo and José Santos-Victor},
journal= {arXiv preprint arXiv:1910.00714},
year = {2020}
}
备注
27 pages, 16 figures, Neurocomputing