工业人机协作中的姿态预测
机器人学
2022-08-16 v1 计算机视觉与模式识别
机器学习
摘要
为推进协作机器人在工业环境中的应用前沿，我们提出了一种用于姿态预测的新的可分离稀疏图卷积网络（SeS-GCN）。SeS-GCN 首次在 GCN 中对空间、时间和通道维度上的交互进行了瓶颈化处理，并通过师生框架学习稀疏邻接矩阵。与最先进水平相比，它仅使用了 1.72% 的参数，且速度约快 4 倍，同时在 Human3.6M 上预测未来 1 秒的姿态精度上表现相当，这使协作机器人能够感知人类操作员。作为第二项贡献，我们提出了一个新的工业协作中协作机器人与人（CHICO）基准。CHICO 包含 20 名人类操作员与协作机器人参与 7 种真实工业动作的多视角视频、3D 姿态与轨迹。此外，它记录了人机交互过程中发生的 226 次真实碰撞。我们在 CHICO 上针对机器人学中两项重要的感知任务测试了 SeS-GCN：人体姿态预测，在未来 1 秒时达到平均误差 85.3 mm（MPJPE），运行时间 2.3 毫秒；以及碰撞检测，通过将预测的人体运动与已知的机器人运动进行比较，获得 0.64 的 F1-score。
引用
@article{arxiv.2208.07308,
title = {Pose Forecasting in Industrial Human-Robot Collaboration},
author = {Alessio Sampieri and Guido D'Amely and Andrea Avogaro and Federico Cunico and Geri Skenderi and Francesco Setti and Marco Cristani and Fabio Galasso},
journal= {arXiv preprint arXiv:2208.07308},
year = {2022}
}
备注
ECCV 2022