基于UWB的仅限距离人体姿态识别的机器学习方法基准测试
机器人学
2024-08-29 v1
摘要
人体姿态估计涉及使用来自图像、视频或运动和惯性传感器等输入数据的检测和跟踪身体各部位位置。本文提出了一种新方法，利用机器学习算法预测人体姿态并将其转化为机器人运动命令，采用超宽带(UWB)节点作为运动传感器的替代方案。该研究采用五个UWB传感器实现对静态姿态的分类和更稳健的姿态识别。该方法确保了对各种主体的有效姿态识别。这些距离测量值作为姿态预测模型的输入特征，实现并比较了各种算法的准确率。为此目的，采用K近邻(KNN)、支持向量机(SVM)和深度多层感知器(MLP)神经网络等机器学习算法进行比较，以预测相应的姿态。我们展示了该方法用于控制不同移动/空中机器人的实时控制，推理在ROS 2节点中实现。实验结果表明，该方法是有效的，展示了成功预测人体姿态并产生相应机器人运动的高准确率。
引用
@article{arxiv.2408.15717,
title = {Benchmarking ML Approaches to UWB-Based Range-Only Posture Recognition for Human Robot-Interaction},
author = {Salma Salimi and Sahar Salimpour and Jorge Peña Queralta and Wallace Moreira Bessa and Tomi Westerlund},
journal= {arXiv preprint arXiv:2408.15717},
year = {2024}
}