基于生物力学一致性的人类-机器人交互实时动作识别
机器人学
2025-10-22 v1
摘要
本文提出了一种用于工业场景中基于标准2D摄像机的实时人类动作识别的 novel 框架。我们引入了一个完整的管道，用于稳健且实时的估计人类关节运动学，以输入到时序平滑 Transformer-based 网络中进行动作识别。我们依赖一个包括 11 名受试者执行各种动作的 new dataset 来评估我们的方法。与大多数依赖关节中心位置 (JCP) 且为离线方法的文献不同，我们的方法使用生物力学先验条件，例如关节角度，进行快速且稳健的实时识别。此外，关节角度使所提方法对传感器和受试者姿态以及人体测量差异不敏感，并确保在不同环境和受试者之间的鲁棒性。我们提出的学习模型在各种指标上均超过最佳基线模型，同时实现实时运行，达到了 88% 的准确率，并显示出对未 facing 摄像机的受试者的很好的泛化能力。最后，我们通过一次在线交互实验，演示了该技术的鲁棒性和有用性，模拟机器人通过被识别的动作进行实时控制。
关键词
引用
@article{arxiv.2510.18373,
title = {Biomechanically consistent real-time action recognition for human-robot interaction},
author = {Wanchen Li and Kahina Chalabi and Sabbah Maxime and Thomas Bousquet and Robin Passama and Sofiane Ramdani and Andrea Cherubini and Vincent Bonnet},
journal= {arXiv preprint arXiv:2510.18373},
year = {2025}
}