基于通过协调随机运动获得的触觉信息的贝叶斯身体图式估计
机器人学
2023-01-18 v1
摘要
本文描述了一种称为带潜在关节的狄利克雷过程高斯混合模型（DPGMM-LJ）的计算模型，该模型能以无监督方式发现数据分布中嵌入的潜在树结构。通过结合 DPGMM-LJ 与已有的身体地图形成方法，我们提出了一种方法，使具有多链接身体结构的智能体仅从触觉信息中发现其运动学结构，即身体图式。DPGMM-LJ 是一种基于贝叶斯非参数且为狄利克雷过程高斯混合模型（DPGMM）扩展的概率模型。在仿真实验中，我们使用了一个具有五个身体部位并在类子宫环境中进行结构化随机运动的简单胎儿模型。结果表明，该方法在许多情况下无需任何先验知识即可估计身体部位数量和运动学结构。另一实验表明，随机运动中的运动协调程度强烈影响身体图式形成的结果。证实在我们的设定中，当运动协调比率为 0.9 时身体图式估计准确率最高，为 84.6%。这些结果表明，即使准确率不高，也可从胎儿在子宫中随机运动获得的触觉信息中估计运动学结构，而无需任何视觉信息。它们还表明，随机运动中一定程度的运动协调以及表示身体地图的状态空间的充分维度对于正确估计身体图式十分重要。
引用
@article{arxiv.1612.00305,
title = {Bayesian Body Schema Estimation using Tactile Information obtained through Coordinated Random Movements},
author = {Tomohiro Mimura and Yoshinobu Hagiwara and Tadahiro Taniguchi and Tetsunari Inamura},
journal= {arXiv preprint arXiv:1612.00305},
year = {2023}
}