面向协作机器人交互的不完整手势数据在线识别
机器人学
2023-04-17 v1 机器学习
信号处理
摘要
手势的在线识别对于直观的人机交互（HRI）以及进一步将协作机器人推入市场、使更多人可使用机器人至关重要。问题在于难以在真实非结构化环境中使用失真且不完整多感官数据实现准确手势识别。本文引入一种 HRI 框架，以分类用可穿戴传感器捕获的大词表交织静态手势（SGs）与动态手势（DGs）。DG 特征通过对传感器原始数据降维获得（采用三次插值重采样与主成分分析）。使用 UC2017 手势数据集（含八名不同受试样本）进行了实验测试。分类模型对 24 个 SGs 库用随机森林达 95.6% 准确率，对 10 个 DGs 用人工神经网络达 99.3% 准确率。这些结果等同于或优于不同常用分类器。长短期记忆深度网络在采用原始不完整数据的在线逐帧分类中取得相似性能，在准确率上优于具专门构造特征的静态模型，但在训练与推理时间上更差。所识别手势用于遥操作机器人完成备早餐的协作过程。
引用
@article{arxiv.2304.06777,
title = {Online Recognition of Incomplete Gesture Data to Interface Collaborative Robots},
author = {M. A. Simão and O. Gibaru and P. Neto},
journal= {arXiv preprint arXiv:2304.06777},
year = {2023}
}