使用自回归稀疏高斯过程的智能轮椅运动预测器学习
机器人学
2018-06-11 v2
摘要
在市售电动轮椅（PWC）平台上构建智能轮椅可避免一系列座椅、机械设计与可靠性问题，但需要预测并控制这一从未为机器人设计的设备的运动的方法。模拟摇杆输入受制于黑箱变换，虽可为人类操作者产生直观且自适应的运动控制，却使机器人控制方法复杂化；此外，在商用 PWC 上安装标准轴装里程计十分困难。本工作中，我们提出一种集成硬件与软件的系统，用于预测商用 PWC 平台的运动，除接入工业标准辅助输入端口外无需对轮椅作任何物理或电子改动。该系统使用 RGB-D 相机与 Arduino 接口板，经由 ROS 通信捕获包括视觉里程计与摇杆信号的运动数据。未来运动使用自回归稀疏高斯过程模型预测。我们在真实世界短期路径预测实验上评估了所提系统。实验结果表明，与基线神经网络模型相比，该系统有效。
引用
@article{arxiv.1710.11319,
title = {Learning Motion Predictors for Smart Wheelchair using Autoregressive Sparse Gaussian Process},
author = {Zicong Fan and Lili Meng and Tian Qi Chen and Jingchun Li and Ian M. Mitchell},
journal= {arXiv preprint arXiv:1710.11319},
year = {2018}
}
备注
The paper has been accepted to the International Conference on Robotics and Automation (ICRA2018)