面向人机协作的多尺度增量建模增强人体运动预测
机器人学
2024-12-17 v1 人工智能
摘要
准确的人体运动预测对于安全的人机协作至关重要，但由于对人体复杂多变运动的建模困难，仍然具有挑战性。本文提出并行多尺度增量预测（PMS），一种新颖的框架，显式地在多个时空尺度上建模增量运动，以捕捉细微的关节演化和全局轨迹偏移。PMS使用并行序列分支编码这些多尺度增量，实现预测的迭代细化。一个多阶段训练过程配合全时间线损失整合时间上下文。在四个数据集上的大量实验表明，通过建模帧间增量，在连续性、生物力学一致性和长期预测稳定性方面有显著改进。PMS达到了最先进的性能，预测精度比先前方法提高了16.3%-64.2%。所提出的多尺度增量方法为推进对人机无缝交互至关重要的人体运动预测能力提供了强大技术。
引用
@article{arxiv.2412.11632,
title = {Multi-Scale Incremental Modeling for Enhanced Human Motion Prediction in Human-Robot Collaboration},
author = {Juncheng Zou},
journal= {arXiv preprint arXiv:2412.11632},
year = {2024}
}