面向人机交互的统一 3D 人体姿态动力学与轨迹预测
机器人学
2025-05-22 v1 计算机视觉与模式识别
摘要
我们提出了一种统一的方法，用于预测基于输入姿态序列的人体关键点动力学以及运动轨迹。虽然已有许多研究分别关注完整的人体姿态预测或运动轨迹预测，但仅有少数尝试将两者合并。我们提出了一种运动转换技术，用于在全局坐标系中同时预测完整的人体姿态和轨迹关键点。我们利用即插即用的 3D 人体姿态估计模块、图注意力网络对骨架结构进行编码，并采用一种适用于人机交互和人类感知导航的紧凑型、非自回归变换器，以实现实时运动预测。我们引入了人类导航数据集 ``DARKO''，特别关注与人类感知移动机器人导航相关的导航活动。我们在 Human3.6M、CMU-Mocap 以及我们自己的 DARKO 数据集上进行了广泛评估。与先前工作相比，我们显示我们的方法在所有数据集上都紧凑、实时且准确，能够预测人类导航运动。结果动画、数据集和代码将在 https://nisarganc.github.io/UPTor-page/ 上提供。
引用
@article{arxiv.2505.14866,
title = {UPTor: Unified 3D Human Pose Dynamics and Trajectory Prediction for Human-Robot Interaction},
author = {Nisarga Nilavadi and Andrey Rudenko and Timm Linder},
journal= {arXiv preprint arXiv:2505.14866},
year = {2025}
}
备注
Project page: https://nisarganc.github.io/UPTor-page/