利用深度学习在线估计人体振荡运动的相位
系统与控制
2025-05-06 v1 系统与控制
摘要
精确估计振荡系统的相位对于分析周期性活动（如人体运动中的重复性手势）至关重要。在这项工作中，我们引入了一种基于学习的方法，利用长短期记忆（LSTM）网络对三维运动轨迹进行在线相位估计。我们应用了一种校准程序来标准化轨迹的位置和方向，确保对空间变化的不变性。所提出的模型在运动捕捉数据上进行了评估，并在一个动力学系统中进行了进一步测试，在该系统中，估计的相位被用作基于强化学习（RL）的控制的输入，以评估其对Kuramoto振子网络同步的影响。
引用
@article{arxiv.2505.02668,
title = {Online Phase Estimation of Human Oscillatory Motions using Deep Learning},
author = {Antonio Grotta and Francesco De Lellis},
journal= {arXiv preprint arXiv:2505.02668},
year = {2025}
}