面向人机共生行走的周期性行为预测建模
机器人学
2020-05-28 v1 人工智能
机器学习
摘要
本文提出周期交互基元——一种可用于学习周期性行为紧凑模型的概率框架。我们的方法将现有的交互基元公式扩展到周期运动机制，即行走。我们表明该模型特别适合学习数据驱动的、定制化的人体行走模型，其随后可用于对未来状态生成预测或推断潜在的生物力学变量。我们还演示了如何使用相同框架通过模仿学习方法为机器人假肢学习控制器。人体参与者实验结果表明，周期交互基元高效地为机器人假足踝生成预测与踝角度控制信号，每次推断在0.0008秒内MAE为2.21度。在存在噪声或传感器失效时性能优雅退化。相较于替代方法，该算法运行速度快20倍，在测试对象上准确度高4.5倍。
引用
@article{arxiv.2005.13139,
title = {Predictive Modeling of Periodic Behavior for Human-Robot Symbiotic Walking},
author = {Geoffrey Clark and Joseph Campbell and Seyed Mostafa Rezayat Sorkhabadi and Wenlong Zhang and Heni Ben Amor},
journal= {arXiv preprint arXiv:2005.13139},
year = {2020}
}
备注
Accepted to ICRA 2020. Accompanying video presentation: https://www.youtube.com/watch?v=EjSVjueePyQ&t=1s