DE-TGN：基于深度集成的不确定性感知人体运动预测
机器人学
2023-07-10 v1
摘要
在人与机器人协作环境中，保障人类工作者的安全至关重要。尽管精确的姿态预测模型有助于防止人类工作者与机器人之间的碰撞，它们仍易出现严重错误。本研究提出一种称为时序图神经网络深度集成（DE-TGN）的新方法，不仅能准确预测人体运动，还提供预测不确定性的度量。通过利用深度集成并采用随机蒙特卡洛 dropout 采样，我们基于协方差椭球构建了表示一系列潜在未来人体姿态的体积场。为验证我们的框架，我们使用包括 Human3.6M 在内的三个动作捕捉数据集以及两个人机交互场景进行实验，取得了最先进的预测误差。此外，我们发现深度集成不仅使我们能够量化不确定性，还提升了预测的准确性。
引用
@article{arxiv.2307.03610,
title = {DE-TGN: Uncertainty-Aware Human Motion Forecasting using Deep Ensembles},
author = {Kareem A. Eltouny and Wansong Liu and Sibo Tian and Minghui Zheng and Xiao Liang},
journal= {arXiv preprint arXiv:2307.03610},
year = {2023}
}