WWWFeb, 2023

通过建模动态人类需求学习模拟日常活动

PDF
TL;DR本文提出了一个基于生成对抗模仿学习的知识驱动模拟框架，以模拟人的活动，将不同需求层次进行解离，并利用神经随机微分方程成功捕捉期间连续的需求动态特征，进而增强生成活动数据的数据保真性和实用性。实验结果表明，与现有的基线算法相比，我们的框架在数据保真性和实用性上表现更佳。
daily activity datasimulation frameworkgenerative adversarial imitation learningmaslow's need theoryneural stochastic differential equations
发现论文，激发创造
  • 逼真的日常人类活动模拟框架

    为了开发和测试与用户在家中的日常活动相互作用和适应的社交机器人 Astro，需要对人类活动进行逼真的模拟。本研究提出了一个在家庭环境中大规模模拟日常人类活动模式的框架，支持手动配置不同人物或活动模式，活动时间的变化，并在多个家庭布局上进行测试。通过引入一种指定日常时间表变化的方法，并提出了一个双向约束传播算法来从模板生成时间表，我们验证了我们框架的表达能力，通过使用案例场景分析展示了我们的方法可以从三个公共数据集和一个自采集数据集中生成与人类行为非常相似的数据。我们的贡献支持规模化的社交机器人行为系统测试，实现在不同家庭中生成合成人类活动数据，有助于减少训练数据的偏见，从而提高家庭环境下机器人的鲁棒性和效果。

    Nov, 2023

  • 深度活动模型：一种人类移动模式综合的生成方法

    利用普遍和开源数据开发了一种新的生成式深度学习方法来进行人类流动性建模和合成，并能够通过本地数据进行微调，实现在不同地区对流动模式的适应和准确表示。该模型在美国的全国数据集上进行评估，在生成紧随真实分布的活动链条方面表现出优异的性能。对来自加利福尼亚、华盛顿和墨西哥城的州或城市特定数据的进一步测试证实了其可转移性。这种创新的方法在促进流动性建模研究方面具有巨大的潜力，特别是在为下游基于活动的流动性模拟模型生成人类活动链条的输入和为城市规划师和政策制定者提供增强工具方面。

    May, 2024

  • ElderSim：面向老年护理应用的人体行为识别合成数据生成平台

    本文提出了 ElderSim 平台用于生成老年人日常活动的合成数据，并根据 ElderSim 生成了大规模的 KIST SynADL 合成数据集，通过该合成数据集及真实数据集训练深度学习模型，以提高老年人日常运动识别的性能。

    Oct, 2020

  • 关于生成式基础模型对人类活动识别的好处

    通过生成式人工智能从文本描述中自动生成虚拟 IMU 数据，人类活动识别（HAR）领域能够解决有限标注数据的问题。此外，还探讨了生成式人工智能在生成基准数据集、特定于 HAR 的模型开发、HAR 中的层次结构探索、复杂活动分解以及健康感知和活动总结等领域有着前景的研究方向。

    Oct, 2023

  • 基于生成混合表示的活动预测与无悔学习

    本文提出使用高效深度生成模型，预测人类未来的离散和连续行为，进而在实践中实现较好的样本生成效果，并从流数据中逐步学习提高其学习效率。

    Apr, 2019

  • 从用户生成的内容预测人类活动

    本文探讨从用户生成的内容中预测人类活动的任务，并使用最先进的句子嵌入框架来识别人类活动的语义并自动聚类这些活动，然后训练神经网络模型来预测哪些聚类包含给定用户之前发布的帖子和自我描述的文本中执行的活动，并探讨将推断得到的用户特征并入模型对此预测任务的帮助程度。

    Jul, 2019

  • 利用奖励塑形模仿学习方法合成生成类似人类数据以解决序列决策问题

    本研究通过结合奖励塑造和模仿学习算法，提出了一种生成人工智能系统中类似于人类决策数据的新算法，证明使用这种合成的数据可以成功解决具有逐步增加难度的计算机游戏中的决策任务，并且与人类表现几乎无差异。

    Apr, 2023

  • 通过对抗性模仿从动作捕捉学习人类行为

    本文介绍应用生成对抗性模仿学习方法，通过有限的高维仿人体运动演示数据，训练神经网络策略以产生类人的运动模式，并利用该方法构建子技能策略解决高维身体姿态控制任务。

    Jul, 2017

  • 基于统计特征引导扩散模型的无监督传感器人体活动识别

    本文提出了一种基于非监督统计特征引导扩散模型的传感器数据的人类活动识别方法，通过利用统计信息来生成多样化和代表性的合成传感器数据。研究结果表明，所提出的方法可以提高人类活动识别的性能并胜过现有技术。

    May, 2023

  • 自然时间序列移动活动识别下行为和时间变化的域自适应

    通过采集数据集，支持在自然场景下进行移动活动识别和健康监测，使用无监督领域适应算法和对比学习来提高识别准确性，数据集可供使用。

    Jul, 2022