基于多超图贝叶斯滤波的装配任务活动识别
人工智能
2022-02-02 v1
摘要
我们研究基于传感器的手工工作流程（如装配任务）中的人体活动识别。此类流程的系统状态常具有丰富结构，涉及对象属性与关系。因此，由于系统状态数量的组合爆炸，从传感器观测中通过递推贝叶斯滤波估计隐系统状态极具挑战。为缓解该问题，我们提出一种针对此类流程的高效贝叶斯滤波模型。在我们的方法中，系统状态由多超图表示，系统动力学由图重写规则建模。我们展示一种初步方案，可比完全枚举更紧凑地表示多超图上的分布，并给出直接在此紧凑表示上工作的推断算法。我们在真实数据集上演示了该算法的适用性。
引用
@article{arxiv.2202.00332,
title = {Activity Recognition in Assembly Tasks by Bayesian Filtering in Multi-Hypergraphs},
author = {Timon Felske and Stefan Lüdtke and Sebastian Bader and Thomas Kirste},
journal= {arXiv preprint arXiv:2202.00332},
year = {2022}
}
备注
Accepted for presentation at the 2nd GCLR workshop in conjunction with AAAI 2022