使用不同相似性度量通过互相关进行机器人运动无参数分割

机器人通常被要求执行基本运动，无论是作为单个动作还是作为代表更大、更复杂任务的一系列动作。这些运动可以通过多种方式学习，但一种常见的方式是通过教师向机器人展示的演示。然而，这些演示本身并不总是简单的运动，复杂的演示必须被分解或分割成基本运动。在这项工作中，我们提出了一种受信号处理中自相关和互相关技术启发的无参数分割方法。在互相关中，通过将代表性信号与更大的信号进行相关，可以在某个更大、更复杂的信号中找到该代表性信号。同样的思想可以应用于分割机器人运动和演示，前提是提供一个代表性的运动基元。这可以实现快速且准确的分割，且无需任何参数。本文的主要贡献之一是通过采用能够捕捉机器人运动特定特征的相似性度量来修改互相关过程。为了验证我们的框架，我们在仿真和真实世界中进行了若干复杂任务的实验。我们还通过比较各种相似性度量来评估我们分割框架的有效性。