基于社会运动预测的人机交互机器人交互行为生成
机器人学
2024-04-09 v2 计算机视觉与模式识别
人机交互
摘要
将机器人集成到人口密集的环境中是一项复杂的挑战，需要理解人类的社会动态。在本文中，我们提出在共享的人 - 机器人表示空间中对社会运动预测进行建模，这使得我们能够合成在社会场景中与人类互动的机器人运动，即使在运动训练中未观察到任何机器人。我们开发了一种名为 ECHO 的基于 Transformer 的架构，该架构在上述共享空间中运行，以预测社会场景中遇到的智能体的未来运动。与先前的工作相反，我们将社会运动问题重新表述为基于周围智能体对预测的个体运动进行细化，这不仅促进了训练，还允许在场景中仅有一名人类时进行单运动预测。我们在多人运动预测和人机运动预测任务中评估了我们的模型，获得了大幅领先的最先进（SOTA）性能，同时具有高效性和实时性。此外，我们的定性结果展示了该方法在生成可通过文本命令控制的人机交互行为方面的有效性。网页：https://evm7.github.io/ECHO/
引用
@article{arxiv.2402.04768,
title = {Robot Interaction Behavior Generation based on Social Motion Forecasting for Human-Robot Interaction},
author = {Esteve Valls Mascaro and Yashuai Yan and Dongheui Lee},
journal= {arXiv preprint arXiv:2402.04768},
year = {2024}
}
备注
Accepted at ICRA 2024. Webpage: https://evm7.github.io/ECHO/