Motron:多模态概率化人体运动预测
计算机视觉与模式识别
2022-03-28 v3 人机交互
机器学习
机器人学
摘要
自主系统与人类正日益共享同一空间。机器人与人并肩甚至手把手工作,以互补彼此的局限。此类协作交互愈发复杂。因此,能够推理人类不仅重心位置、还有精细运动的能力,是人机交互的重要前提。然而,许多算法忽略人类的多模态本性,或在运动预测中忽视不确定性。我们提出 Motron,一种多模态、概率化、图结构模型,它使用概率方法捕捉人类多模态性,同时能为每种模式输出确定性的最大似然运动及相应置信值。我们的模型旨在与机器人规划-控制-交互回路紧密集成;输出物理可行的人体运动且计算高效。我们在多个具挑战性的真实世界运动预测数据集上展示了模型性能,优于大量生成/变分方法,并在需要时提供最先进的单输出运动。两者均显著少于最先进算法的计算开销。
引用
@article{arxiv.2203.04132,
title = {Motron: Multimodal Probabilistic Human Motion Forecasting},
author = {Tim Salzmann and Marco Pavone and Markus Ryll},
journal= {arXiv preprint arXiv:2203.04132},
year = {2022}
}
备注
CVPR 2022