利用轨迹分类聚类的高斯过程进行物体递送预测
机器人学
2017-07-11 v1
摘要
一个能够近似用户意图和适当互补运动的机器人系统对于成功的人机交互至关重要。虽然现有的可穿戴传感器可以实时监测人体运动，但由于人体运动的高度非线性以及通过自由度冗余进行的优化，预测人体运动仍是一个重大挑战。在此，我们展示了在物体递送场景中，利用随机分类技术聚类的高斯过程 (GP) 进行轨迹预测的鲁棒性。通过使用双四元数对人与人物体递送过程中的真实 6D 手部运动进行参数化，我们实时分类了递送配置的变化，然后利用 GP 预测剩余的手部轨迹。结果强调，我们的方法可以在轨迹平均 处分类递送配置，并且最终手部配置的预测处于人体运动的正常变化范围内。总之，我们证明了结合随机分类技术的 GP 是一种用于主动估计人机交互中人体运动的鲁棒工具。
引用
@article{arxiv.1707.02745,
title = {Object Handover Prediction using Gaussian Processes clustered with Trajectory Classification},
author = {Muriel Lang and Satoshi Endo and Oliver Dunkley and Sandra Hirche},
journal= {arXiv preprint arXiv:1707.02745},
year = {2017}
}