面向人机协作领域的无人机Proximal控制与联邦学习
机器人学
2025-06-26 v2 人工智能
机器学习
摘要
人机交互（Human-Robot Interaction, HRI）是日益增长的研究领域。在HRI中，复杂指令（动作）分类仍是开放问题，通常阻碍了该技术的实际应用。文献中已有一些研究使用神经网络检测这些动作。然而，遮挡仍是HRI中的主要问题，尤其是在使用无人机（UAV）时，因为在机器人运动期间，人类操作员往往处于机器人视野之外。此外，在多机器人场景中，分布式训练也是一个开放问题。就此方面，本文提出了一种基于长短期记忆（LSTM）深度神经网络的动作识别与控制方法，网络结构包含两层LSTM层和三个全连接层，并嵌入多个无人机中的联邦学习（Federated Learning, FL）。联邦学习使我们的方法能够以分布式方式进行训练，即无需依赖云端或其他数据仓库，从而促进了多机器人系统的学习。此外，我们的多机器人方法还能防止遮挡情况，实验使用实际机器人实现的准确率超过96%。
引用
@article{arxiv.2412.02863,
title = {Proximal Control of UAVs with Federated Learning for Human-Robot Collaborative Domains},
author = {Lucas Nogueira Nobrega and Ewerton de Oliveira and Martin Saska and Tiago Nascimento},
journal= {arXiv preprint arXiv:2412.02863},
year = {2025}
}
备注
version 2