STPOTR：基于非自回归Transformer的机器人前方跟随中人体轨迹与姿态同步预测
机器人学
2025-01-20 v4 机器学习
摘要
本文中，我们开发了一种神经网络模型，用于根据观测到的人体运动历史预测未来的人体运动。我们提出了一种非自回归Transformer架构，利用其并行特性以实现更易训练以及在测试时快速、准确的预测。所提出的架构将人体运动预测分为两部分：1）人体轨迹，即随时间变化的髋关节三维位置；2）人体姿态，即相对于固定髋关节的其余所有关节随时间的三个维位置。我们提出同时完成这两项预测，因为共享表示可提升模型性能。因此，该模型由两组编码器和解码器组成。首先，一个应用于编码器输出的多头注意力模块改善了人体轨迹。其次，另一个应用于编码器输出与解码器输出拼接后的多头自注意力模块有助于学习时间依赖关系。我们的模型在测试精度和速度方面非常适用于机器人应用，并且相对于最先进的方法具有优势。我们通过机器人前方跟随任务展示了我们工作的实际适用性，这是对我们所提出模型一个具有挑战性但实用的案例研究。
引用
@article{arxiv.2209.07600,
title = {STPOTR: Simultaneous Human Trajectory and Pose Prediction Using a Non-Autoregressive Transformer for Robot Following Ahead},
author = {Mohammad Mahdavian and Payam Nikdel and Mahdi TaherAhmadi and Mo Chen},
journal= {arXiv preprint arXiv:2209.07600},
year = {2025}
}