RoAM：一个用于自主机器人的室内人体运动新数据集及其动作条件深度视觉预测
机器人学
2023-06-29 v1 计算机视觉与模式识别
摘要
随着机器人各行业应用日益广泛，开发先进算法使机器人能在与人协作中有效预判、理解和规划自身行动变得至关重要。我们介绍了 Robot Autonomous Motion（RoAM）视频数据集，该数据集由定制 turtlebot3 Burger 机器人在多种室内环境中采集，从机器人第一视角记录各类人体运动。数据集还包含 LiDAR 扫描及机器人在静态与运动人体周围导航时所采取的全部控制动作的同步记录。这一独特数据集为开发和评测新的视觉预测框架提供了机会，这些框架可基于记录智能体在部分可观测场景或成像传感器安装于移动平台情况下所采取的动作预测未来图像帧。我们在名为 ACPNet 的新颖深度视觉预测框架上对该数据集进行了基准测试，其中近似的未来图像帧也以机器人所采取动作为条件，并展示了其将机器人动力学纳入移动机器人与自主导航研究视频预测范式的潜力。
引用
@article{arxiv.2306.15852,
title = {Action-conditioned Deep Visual Prediction with RoAM, a new Indoor Human Motion Dataset for Autonomous Robots},
author = {Meenakshi Sarkar and Vinayak Honkote and Dibyendu Das and Debasish Ghose},
journal= {arXiv preprint arXiv:2306.15852},
year = {2023}
}