CARPE-ID：面向个性化机器人辅助的连续自适应重识别
计算机视觉与模式识别
2024-02-01 v2 机器人学
摘要
在当今的人机交互（HRI）场景中，普遍存在一种倾向，即假定机器人应与最近的个人协作，或场景中仅涉及单一人类参与者。然而，在诸如车间作业等现实场景中，此类假设可能不成立，因而需要机器人在拥挤环境中进行个性化目标识别。为满足该需求，本文提出一种基于持续视觉自适应技术的行人重识别模块，确保机器人即便在视觉外观变化、部分或完全遮挡的情况下，也能与恰当个体无缝协作。我们在实验室环境及一项 HRI 场景（即移动机器人的行人跟随任务）中使用录制视频对该框架进行了单独测试。目标被要求在跟踪过程中改变外观并消失在相机视野中，以测试遮挡与着装变化的挑战性情形。我们将本框架与一种最先进的多目标跟踪（MOT）方法进行比较，结果表明 CARPE-ID 能在所有实验中准确跟踪每个选定目标（除两个极限情形外）。与此同时，该 s-o-t-a MOT 对每个视频平均有 4 次跟踪错误。
引用
@article{arxiv.2310.19413,
title = {CARPE-ID: Continuously Adaptable Re-identification for Personalized Robot Assistance},
author = {Federico Rollo and Andrea Zunino and Nikolaos Tsagarakis and Enrico Mingo Hoffman and Arash Ajoudani},
journal= {arXiv preprint arXiv:2310.19413},
year = {2024}
}
备注
Accepted to the International Conference on Robotics and Automation (ICRA) 2024