基于注意力机制的人类意图估计与预测以增强触觉手套辅助的机械手控制
机器人学
2024-03-27 v2 人工智能
摘要
本文研究基于触觉手套（HG）的机械手（RH）控制，用于对特定目标物体进行手内操作。HG 和 RH 中的高维运动信号具有内在的运动学变异性，导致难以建立从 HG 到 RH 的运动信号直接映射。本文提出了一种估计机制，用于量化从人类控制者处采集的运动信号与机械手所持物体预期目标姿态之间的关系。提出了一种控制算法，用于在 RH 端转换合成的意图，并实现物体向预期目标姿态的重新定位。在存在通信延迟的情况下，意图合成的滞后导致需要预测所估计的意图。我们利用基于注意力机制的卷积神经网络编码器预测特定前瞻范围内的意图轨迹，以补偿延迟。所提方法在不同形状、质量和材质的物体上进行了评估。我们在 5G 驱动的真实世界机器人平台上，将估计与预测机制的性能与基准方法进行了比较。结果表明，在人类意图预测的测试 MSE 上，相较于基于 LSTM 的基准方法，准确率提升了约 97.3% 至 98.7%。
引用
@article{arxiv.2110.07953,
title = {Attention-based Estimation and Prediction of Human Intent to augment Haptic Glove aided Control of Robotic Hand},
author = {Muneeb Ahmed and Rajesh Kumar and Qaim Abbas and Brejesh Lall and Arzad A. Kherani and Sudipto Mukherjee},
journal= {arXiv preprint arXiv:2110.07953},
year = {2024}
}