Jun, 2024
neuROSym：基于 ROS 的神经符号模型在人体运动预测中的部署和评估
neuROSym: Deployment and Evaluation of a ROS-based Neuro-Symbolic Model for Human Motion Prediction
Sariah Mghames, Luca Castri, Marc Hanheide, Nicola Bellotto
TL;DR自主移动机器人可以在人类环境中依赖多种人体运动检测和预测系统，但底层模型架构可能对机器人在现实世界中的可信度产生不同的影响。本文针对基于上下文的人体运动预测的现有解决方案中的一些方法，展示了将符号知识与现代神经网络相结合的好处。尤其是最近的神经符号结构（NeuroSyM）成功地将上下文与定性轨迹计算（QTC）相结合，以进行空间交互表示。这项工作在离线数据集上比仅使用神经网络的基准架构取得了更好的性能。为了在实际场景中为机器人部署提供便利，我们将原始架构扩展为 neuROSym，一个面向机器人部署的 ROS 软件包，可以在线运行、可视化和评估以往的仅使用神经网络和神经符号模型进行运动预测的模型。我们在两个具有不同人体运动模式的场景中评估了这些模型，NeuroSyM 和基准 SGAN，并评估了预测模型的准确性和运行时性能，结果表明使用我们的神经符号架构普遍改善了性能。我们将 neuROSym 软件包公开提供给机器人社区。