面向最小干扰人机任务的分层人体运动预测与逻辑几何规划
机器人学
2021-07-06 v2
摘要
在本文中，我们解决了一系列操作任务中的人机协调问题。我们的方法将分层人体运动预测与任务与运动规划（TAMP）相集成。我们首先通过结合逆强化学习和基于循环神经网络的短期运动预测，设计了一种分层运动预测方法。在第二步中，我们提出了 TAMP 算法逻辑几何规划（LGP）的动态版本。我们的动态 LGP 版本会周期性地重新规划，以处理人体运动预测与实际人体行为之间的不匹配。我们通过在公开可用的 MoGaze 数据集上训练预测算法并测试该框架来评估方法的有效性。
引用
@article{arxiv.2104.08137,
title = {Hierarchical Human-Motion Prediction and Logic-Geometric Programming for Minimal Interference Human-Robot Tasks},
author = {An T. Le and Philipp Kratzer and Simon Hagenmayer and Marc Toussaint and Jim Mainprice},
journal= {arXiv preprint arXiv:2104.08137},
year = {2021}
}
备注
8 pages, accepted to IEEE-ROMAN 2021