随时随地：基于智能手表数据的人体手臂姿态用于普适机器人控制与遥操作

本工作设计了一种从单只智能手表进行人体手臂姿态估计的优化机器学习方法。我们的方法得到可能的手腕与肘部位置分布，从而允许不确定性度量并检测多种可能的手臂姿态解，即多模态姿态分布。将估计的手臂姿态与语音识别结合，我们将智能手表转变为一个普适、低成本且通用的机器人控制接口。我们在两个用例中演示，这一直观控制接口使用户能够迅速干预机器人行为、临时调整其目标，或通过模仿训练全新的控制策略。大量实验表明，该方法相较当前最先进水平预测误差降低40%，手腕与肘部位置平均误差达2.56cm。代码见https://github.com/wearable-motion-capture。