数据高效的人体意图预测：利用神经网络验证与专家指导
机器学习
2022-09-27 v3 人机交互
摘要
预测人体意图对于促进安全高效的人机协作（HRC）至关重要。然而，构建用于人体意图预测的数据驱动模型具有挑战性。一大主要挑战源于人体运动数据的多样性和噪声。收集全面覆盖所有可能场景的大规模运动数据集成本高昂，这导致特定场景下人体运动数据的稀缺，从而给构建鲁棒可靠的意图预测器带来困难。为应对该挑战，本文提出一种迭代对抗数据增强（IADA）框架，从不足量的训练数据中学习神经网络模型。该方法利用神经网络验证识别最“混淆”的输入样本，并借助专家指导安全地迭代地用这些样本扩充训练数据。所提框架应用于已收集的人体数据集。实验表明，与现有训练方法相比，我们的方法能实现更鲁棒且更准确的预测性能。
引用
@article{arxiv.2108.06871,
title = {Data Efficient Human Intention Prediction: Leveraging Neural Network Verification and Expert Guidance},
author = {Ruixuan Liu and Changliu Liu},
journal= {arXiv preprint arXiv:2108.06871},
year = {2022}
}
备注
ICML 2021 Workshop of Human in the Loop Learning