HMPO：遮挡环境中用于安全运动规划的人体运动预测
机器人学
2020-06-02 v1
摘要
我们提出一种新方法，用于为在遮挡环境中靠近人体障碍物操作的机器人生成无碰撞轨迹。机器人的自遮挡会显著降低人体运动预测的准确性，我们提出了一种基于深度学习的新型预测算法。我们的公式使用 CNN 与 LSTM，并用合成生成的遮挡信息增强人体动作数据集用于训练。我们还提出了一个遮挡感知规划器，利用我们的运动预测算法计算无碰撞轨迹。我们在复杂场景中展示了整体方法（HMPO）的性能，观察到运动预测精度最高提升 68%，以及真实值与预测人体关节位置间误差距离提升 38%。
引用
@article{arxiv.2006.00424,
title = {HMPO: Human Motion Prediction in Occluded Environments for Safe Motion Planning},
author = {Jae Sung Park and Dinesh Manocha},
journal= {arXiv preprint arXiv:2006.00424},
year = {2020}
}
备注
11 pages, 5 figures, 2 tables