THÖR：人机导航数据采集与精确运动轨迹数据集
机器人学
2020-01-15 v2
摘要
理解人类行为对于与人类共享空间中的机器人和智能系统至关重要。相应地，使此类系统能够感知、跟踪、学习和预测人类行为，以及规划和与人类交互的研究近年来受到越来越多的关注。包含相关难度级别的大型人体运动数据集是这一研究的基础。现有数据集往往在信息内容、标注质量或人类行为多样性方面存在局限。在本文中，我们提出 THÖR，一个在室内环境中采集的包含人体运动轨迹和眼动注视数据的新数据集，具有位置、头部朝向、注视方向、社交分组、障碍物地图和目标坐标的精确真值。THÖR 还包含由 3D 激光雷达采集的传感器数据，并涉及一台在空间中导航的移动机器人。我们提出一组定量分析方法运动轨迹数据集的指标，如平均跟踪时长、真值噪声、轨迹的曲率和速度变化。与已有研究相比，我们的数据集在人类运动行为上具有更大多样性、噪声更小，并包含更高频率的标注。
引用
@article{arxiv.1909.04403,
title = {TH\"OR: Human-Robot Navigation Data Collection and Accurate Motion Trajectories Dataset},
author = {Andrey Rudenko and Tomasz P. Kucner and Chittaranjan S. Swaminathan and Ravi T. Chadalavada and Kai O. Arras and Achim J. Lilienthal},
journal= {arXiv preprint arXiv:1909.04403},
year = {2020}
}
备注
7 pages, to appear in RA-L, awaiting decision for the ICRA 2020 conference option