面向运动信息度量的动力系统分割
机器人学
2020-12-10 v1
摘要
运动携带有关所执行底层任务的信息。先前在人体运动分析中的研究表明，复杂运动可能由称为 moveme 的基本子运动组合而成。运动中有限结构的存在，启发了信息论方法在运动分析与机器人辅助中的应用。我们将任务具身（task embodiment）定义为智能体运动中所编码的任务信息量。通过解码嵌入运动中的任务特定信息，我们可以利用任务具身来创建细致的性能评估。我们采用一种称为动力系统分割的新算法，在无先验知识的情况下提取构成运动的基元行为字母表。对于给定的任务，我们指定一个最优智能体，并计算代表该任务的基元行为字母表。我们在智能体执行的数据中识别这些行为，并使用 Kullback-Leibler 散度将其相对频率与最优智能体进行比较。我们使用一组人类受试者（n=53）执行动态任务的数据集验证了该方法，并在此度量下发现接受辅助的个体更好地具身该任务。此外，我们发现任务具身比积分均方误差更能预测辅助效果。
引用
@article{arxiv.2012.05183,
title = {Dynamical System Segmentation for Information Measures in Motion},
author = {Thomas A. Berrueta and Ana Pervan and Kathleen Fitzsimons and Todd D. Murphey},
journal= {arXiv preprint arXiv:2012.05183},
year = {2020}
}
备注
8 pages