基于运动优化与循环神经网络的人体全身运动预测
机器人学
2020-03-19 v2 计算机视觉与模式识别
摘要
人体运动预测是困难的，因为人类自然表现出复杂行为，这些行为可能随环境不同而发生剧烈变化。为缓解该问题，我们提出一种预测框架，将短期预测（与内部身体动力学相关）与长期预测（与环境及任务约束相关）解耦。在这项工作中，我们研究在循环神经网络中编码短期动力学，同时利用基于梯度的轨迹优化来处理环境约束（如避障）。在真实运动数据上的实验表明，我们的框架相较于最先进的运动预测方法改善了预测，因为它考虑了先前未出现过的环境结构。此外，我们通过一个示例展示了该框架如何用于规划与人类伙伴协调优化的机器人轨迹。
引用
@article{arxiv.1910.01843,
title = {Prediction of Human Full-Body Movements with Motion Optimization and Recurrent Neural Networks},
author = {Philipp Kratzer and Marc Toussaint and Jim Mainprice},
journal= {arXiv preprint arXiv:1910.01843},
year = {2020}
}
备注
International Conference on Robotics and Automation (ICRA) 2020