面向人类活动感知机器人系统的深度 HMResNet 模型
机器人学
2018-10-02 v2
摘要
赋予机器人系统以识别人类日常活动的认知能力是一项重要挑战，这需要复杂而新颖的方法。大多数已有方法探索通常基于手工特征或学习特征的模式识别技术。本文提出一种新颖的分层多通道深度残差网络（HMResNet）模型，用于机器人系统在环境场景中识别人类日常活动。所引入的模型由多级融合层构成。所提出的多通道一维深度残差网络模型在特征层面与瓶颈 MLP 神经网络相结合，以自动提取鲁棒特征而不依赖于硬件配置；在决策层面与 MLP 神经网络全连接以识别人类日常活动。真实世界数据集上的经验实验与在线演示被用于验证所提模型。结果表明所提模型在日常人类活动识别中优于基线模型。
引用
@article{arxiv.1809.07624,
title = {Deep HMResNet Model for Human Activity-Aware Robotic Systems},
author = {Hazem Abdelkawy and Naouel Ayari and Abdelghani Chibani and Yacine Amirat and Ferhat Attal},
journal= {arXiv preprint arXiv:1809.07624},
year = {2018}
}
备注
Presented at AI-HRI AAAI-FSS, 2018 (arXiv:1809.06606)