基于脉冲神经网络的人机协作早期轮次预测
机器人学
2017-09-28 v1
摘要
轮次转换对人类团队协作的结构至关重要。人类通常在轮次切换之前就能意识到团队成员保持或让出轮次的意图，此时共同任务的负责权发生转移。未来的协作机器人也有望具备这种能力。为此，本文提出了认知轮次转换模型（CTTM），该模型利用认知模型（即脉冲神经网络）来实现早期轮次转换预测。CTTM 框架能够处理多模态人类交流线索（包括隐式和显式），并在早期阶段预测人类的轮次转换意图。所提出的框架在模拟外科手术中进行了测试，其中机器人洗手护士预测外科医生的轮次转换意图。结果发现，所提出的 CTTM 框架大幅优于最先进的轮次转换预测算法。当仅呈现部分交流线索的观测（即不到完整动作的 40%）时，它也优于人类。这种早期预测能力使机器人能够在早期阶段启动轮次转换动作，从而促进协作并提高整体效率。
引用
@article{arxiv.1709.09276,
title = {Early Turn-taking Prediction with Spiking Neural Networks for Human Robot Collaboration},
author = {Tian Zhou and Juan P. Wachs},
journal= {arXiv preprint arXiv:1709.09276},
year = {2017}
}
备注
Submitted to IEEE International Conference on Robotics and Automation (ICRA) 2018