实时 ESFP：估计、平滑、滤波与姿态映射
计算机视觉与模式识别
2025-06-27 v1 机器人学
摘要
本文提出了 ESFP，一个将单色 RGB 视频转换为低成本 4 自由度桌面机械臂可执行关节轨迹的端到端管道。ESFP 包含四个顺序模块。(1) 估计：ROMP 为每一帧提升到 24 关节 3D 骨架。(2) 平滑：提出的 HPSTM-a 序列到序列 Transformer 采用自注意力机制，将长程时序上下文与可微分正向运动学解码器相结合，同时 enforcing 常量骨长和解剖学合理性，同时联合预测关节均值和完整协方差。(3) 滤波：根归一化轨迹根据 HPSTM 的不确定性估计进行方差加权，以抑制残余噪声。(4) 姿态映射：几何 retargeting 层将肩部-肘部-手腕三元组转换为 uArm 的极坐标工作空间，保持手腕姿态。
关键词
引用
@article{arxiv.2506.21234,
title = {Real-Time ESFP: Estimating, Smoothing, Filtering, and Pose-Mapping},
author = {Qifei Cui and Yuang Zhou and Ruichen Deng},
journal= {arXiv preprint arXiv:2506.21234},
year = {2025}
}