Aug, 2023

机器人姿态预报：预测未来改善现在

PDF
TL;DR近年来，人与机器之间的有效和安全协作在第四工业革命场景中变得极为重要。而实现这种协作范式的一个关键前提就是准确理解机器人在其环境中的三维姿态。因此，在本文中，我们介绍了一种利用深度数据来准确确定机器人关节的三维位置的新型基于视觉的系统。具体而言，我们证明了所提出的系统通过共同学习预测未来姿态的能力，能够提高当前姿态估计的准确性。事实上，我们引入了姿态预测的概念，即系统利用对未来的学习知识来改善对当前姿态的估计能力。我们在两个不同的数据集上进行了实验评估，展示出最先进且实时的性能，并验证了所提出方法在机器人和人类场景下的有效性。
发现论文，激发创造
  • 能够看到的机器人：利用人体姿势进行轨迹预测

    通过使用 Transformer 架构，从人体位置、头部朝向和三维关键点等输入特征来预测人类在人类中心环境中未来的轨迹，该模型捕捉了未来人类轨迹预测中的内在不确定性，并在常见预测基准和适用于预测任务的移动机器人跟踪数据集上取得了最先进的性能。在这种具有挑战性场景中，我们发现历史数据有限的新主体是错误的主要来源，并展示了三维骨骼姿势在减少预测误差方面的互补性。

    Sep, 2023

  • 个性化姿势预测

    我们重新界定了人体动作预测问题，并提出了一种与模型无关的个性化方法，该方法可以通过利用低参数的时间序列分析模型来有效在线实现运动预测个性化。

    Dec, 2023

  • 基于深度马尔可夫模型的人体姿态预测

    本研究提出了一种基于深度马尔科夫模型的变分自编码器生成姿势的框架，探讨姿势预测的新方法，并基于一个床具拼装视频数据集进行验证。

    Jul, 2017

  • 社交和情境感知的人体运动和姿势预测

    本文提出了一种新的框架来处理机器人导航中预测人类动态的问题，该框架将人类运动（或轨迹）和骨骼姿态预测这两个任务统一起来，并考虑到了场景和社交上下文等多种因素，最终在两个社交数据集上表现优异。

    Jul, 2020

  • 利用约束概率人体运动预测增强人机协作

    人体运动预测是高效和安全的人机协作的重要步骤。我们提出了一种新颖的人体运动预测框架，该框架在高斯过程回归模型中结合了人体关节约束和场景约束，以在一定时间范围内预测人体运动。该框架还结合了在线上下文感知约束模型来利用任务相关的运动，并在人机协作设置中使用 UR5 机器人手臂实现了实时性能。模拟和实验结果表明，当明确考虑这些约束条件时，高斯过程框架的性能得到了显著改善。

    Oct, 2023

  • 面向可靠的人体姿态预测及不确定性建模

    本文提出了一个针对人类姿态预测的开源库，其中包含多种模型、数据集和标准化的评估指标，旨在促进研究，并向统一和公平的评估发展。该研究通过提出建模其他模型的不确定性，并引入一个新的方法来量化任何模型的认知不确定性，证明其在准确性方面有高达 25% 的改进，并在不确定性估计方面表现更好。

    Apr, 2023

  • 多模态感知驱动的三维人体动作预测

    未来人体姿势预测是机器智能的基本应用，本研究引入了一种新的多模态感知驱动的运动预测方法，通过结合外部 3D 场景和内部人类凝视信息来实现高保真度的生成，同时考虑人的意图和场景的语义连贯性，该方法在 3D 人体姿势和轨迹预测上取得了最先进的性能。

    May, 2024

  • ManiCast: 协作式的成本感知人工预测

    人 - 机器人操作中准确预测人类动作是关键，本研究提出 ManiCast 框架，学习成本感知的人类预测并传递给模型预测控制计划器，实现合作操作任务。

    Oct, 2023

  • 基于渲染和比较的单视图机器人姿势和关节角度估计

    RoboPose 是一种从单个 RGB 图像估计已知关节机器人的关节角度和 6D 相机到机器人姿态的方法，可用于协作机器人，并使用合成数据进行训练，性能超过现有的技术。

    Apr, 2021

  • 扩展 3D 人体姿势估计技术用于自闭症儿童的机器人辅助疗法

    我们开发了一种适用于儿童的三维姿势估计器，通过改进现有的三维身体建模方法并结合线性回归模型来纠正儿童的三维网格姿势，从而在控制环境和真实环境中成功地估计儿童的三维身体姿势。

    Feb, 2024