使用循环神经网络预测跟随触觉机器人导引的人类轨迹
机器人学
2020-06-30 v1
摘要
社交智能是使机器人能够与人协作的重要要求。特别是，人类路径预测是机器人的一项基本能力，因为它可以防止与人类的潜在碰撞，并允许机器人安全地进行更大范围的运动。在本文中，我们提出了一种在不使用视觉的情况下预测跟随触觉机器人导引的人类轨迹的方法，这对于辅助视障人士的辅助机器人非常有价值。我们应用了基于循环神经网络的深度学习方法，使用了多模态数据：(1) 人类轨迹，(2) 机器人导引的运动，(3) 从人与机器人之间的物理交互中测量到的触觉输入数据，(4) 人类深度数据。我们通过室内实验收集了实际的人类轨迹和多模态响应数据。我们的模型在仅使用机器人数据和观察到的人类轨迹时优于基线结果，而在使用额外的触觉和深度数据时表现更佳。
引用
@article{arxiv.1903.01027,
title = {Prediction of Human Trajectory Following a Haptic Robotic Guide Using Recurrent Neural Networks},
author = {Hee-Seung Moon and Jiwon Seo},
journal= {arXiv preprint arXiv:1903.01027},
year = {2020}
}
备注
6 pages, Submitted to IEEE World Haptics Conference 2019