Modeling and prediction of human motion dynamics has long been a challenging
problem in computer vision, and most existing methods rely on the end-to-end
supervised training of various architectures of recurrent neural
本研究提出了一种采用 3D 人体姿态估计和强化学习相结合的新型运动模仿模型,通过将运动模仿转化为强化学习中的关节角度预测问题,从而极大减少了对大量训练数据的依赖,使得模型能够从仅有几秒钟的视频中学习模仿策略,并展现出强大的泛化能力。该项目可轻松地将人的手臂运动模仿到机械手臂上,表现出卓越的性能和稳健的迁移能力。
本文提出了一种新的不考虑活动标签的短期和长期人体姿势预测方法,使用一种新的循环神经网络模型 —— 三角棱镜循环神经网络,该模型通过编码不同时间尺度的时间依赖性来捕获潜在的分层结构,经在 Human 3.6M 和 Penn Action 数据集上进行了广泛的实验,证明了本方法在数量和质量上均优于基线和最先进的方法。