通过持续学习改进人体运动预测
机器人学
2021-07-02 v1 计算机视觉与模式识别
摘要
人体运动预测是实现更紧密人机协作的关键组成部分。准确预测人体运动的任务并非易事。由于人体运动的变异性，无论是在骨骼层面因人体尺寸不同，还是在运动层面因个体动作的特殊性，都使该任务更加困难。这些变量使得学习算法难以获得对多样化时空人体运动模式鲁棒的通用表征。在本工作中，我们提出一种模块化序列学习方法，支持端到端训练且具备微调的灵活性。我们的方法依靠训练样本的多样性首先学习鲁棒表征，随后可在持续学习设定中微调以预测新对象的运动。我们通过将所提方法性能与最先进基线对比来评估它。结果表明，在所有评估的时间范围内，使用少量数据进行微调，我们的方法均优于其他方法。我们方法的性能提升开启了利用持续学习进行个性化可靠运动预测的可能性。
引用
@article{arxiv.2107.00544,
title = {Improving Human Motion Prediction Through Continual Learning},
author = {Mohammad Samin Yasar and Tariq Iqbal},
journal= {arXiv preprint arXiv:2107.00544},
year = {2021}
}