基于半自适应神经网络的人体运动预测
机器人学
2019-09-19 v2
摘要
人体运动预测是促进人机交互的重要组件。机器人需准确预测人类未来运动，以安全规划自身运动轨迹并高效与人类协作。许多近期方法使用递归神经网络等深度学习方法来预测人体运动。然而，现有方法缺乏适应时变人类行为的能力，且多数未量化预测中的不确定性。本文提出一种使用半自适应神经网络进行人体运动预测的方法，并实时提供预测的不确定性界。具体而言，离线训练神经网络以表示人体运动转移模型，随后采用递归最小二乘参数自适应算法（RLS-PAA）进行神经网络的在线参数自适应与不确定性估计。在若干人体运动数据集上的实验验证，所提方法在预测精度与计算效率上显著优于当前最优方法。
引用
@article{arxiv.1810.00781,
title = {Human Motion Prediction using Semi-adaptable Neural Networks},
author = {Yujiao Cheng and Weiye Zhao and Changliu Liu and Masayoshi Tomizuka},
journal= {arXiv preprint arXiv:1810.00781},
year = {2019}
}