用于富有表现力人机交互的波动手势的学习、生成与自适应
机器人学
2020-03-09 v1
摘要
本研究提出了一种新颖的模仿学习方法，用于类人节律性波动手势的随机生成及其调制，通过基于人类演示的关节角度数据的概率公式实现有效的非言语交流。这是通过在频域中学习和调制手势的整体表达特征（例如手臂姿态、摆动频率和幅度）来实现的。该方法在涉及具有 6 自由度机械臂的机器人的模拟机器人实验中进行了评估。结果表明，该方法对节律性运动提供了高效的编码与调制，并确保了执行中的可变性。
引用
@article{arxiv.2003.02348,
title = {Learning,Generating and Adapting Wave Gestures for Expressive Human-Robot Interaction},
author = {Mihalis Panteris and Simon Manschitz and Sylvain Calinon},
journal= {arXiv preprint arXiv:2003.02348},
year = {2020}
}
备注
3 pages, 3 figures