Robust semantic representations for inferring human co-manipulation activities even with different demonstration styles
Robust semantic representations for inferring human co-manipulation activities even with different demonstration styles
复制标题
即使具有不同的演示风格，也可以通过强大的语义表示来推断人类协同操作活动
DOI：
10.1109/humanoids.2015.7363496
复制
发表时间：
2015
期刊：
影响因子：
--
通讯作者：
Gordon Cheng
中科院分区：
文献类型：
--
作者：
Karinne Ramirez-Amaro;Emmanuel Dean-Leon;Gordon Cheng
在这项工作中，我们提出了一种新的方法，产生紧凑的语义模型推断人类协调活动，包括任务，需要了解双臂测序。这些模型是鲁棒的和不变的观察从不同的执行风格的同一活动。此外，所获得的语义表示能够重用所获得的知识来推断不同类型的活动。此外，我们的方法是能够推断双臂协同操作活动，它认为推断活动之间的正确同步，以达到预期的共同目标。我们提出了一个系统，而不是专注于不同的执行风格，通过语义表示提取所观察到的任务的意义。所提出的方法是一种分层的方法，首先从观察中提取相关信息。然后，它推断所观察到的人类活动的基础上获得的语义表示。之后，这些推断出的活动可以用来触发机器人中的运动基元来执行所演示的任务。为了验证我们的系统的可移植性，我们已经评估了我们的基于语义的方法在两个不同的人形平台，iCub机器人和REEM-C机器人。证明我们的系统能够正确的分割和推断在线观察到的活动，平均准确率为84.8%。
In this work we present a novel method that generates compact semantic models for inferring human coordinated activities, including tasks that require the understanding of dual arms sequencing. These models are robust and invariant to observation from different executions styles of the same activity. Additionally, the obtained semantic representations are able to re-use the acquired knowledge to infer different types of activities. Furthermore, our method is capable to infer dual-arm co-manipulation activities and it considers the correct synchronization between the inferred activities to achieve the desired common goal. We propose a system that, rather than focusing on the different execution styles, extracts the meaning of the observed task by means of semantic representations. The proposed method is a hierarchical approach that first extracts the relevant information from the observations. Then, it infers the observed human activities based on the obtained semantic representations. After that, these inferred activities can be used to trigger motion primitives in a robot to execute the demonstrated task. In order to validate the portability of our system, we have evaluated our semantic-based method on two different humanoid platforms, the iCub robot and REEM-C robot. Demonstrating that our system is capable to correctly segment and infer on-line the observed activities with an average accuracy of 84.8%.
登录
查看更多内容
DOI：
10.1109/iros.2014.6943279
发表时间：
2014-11
期刊：
2014 IEEE/RSJ International Conference on Intelligent Robots and Systems
影响因子：
--
作者：
Karinne Ramirez-Amaro;M. Beetz;G. Cheng
通讯作者：
Karinne Ramirez-Amaro;M. Beetz;G. Cheng
走向日常生活活动的自动化模型
DOI：
--
发表时间：
2009
期刊：
影响因子：
--
作者：
M. Beetz;Moritz Tenorth;Dominik Jain;Jan Bandouch
通讯作者：
Jan Bandouch
从观察和实践中学习类似的任务
DOI：
--
发表时间：
2006
期刊：
2006 IEEE/RSJ International Conference on Intelligent Robots and Systems
影响因子：
--
作者：
D. Bentivegna;C. Atkeson;G. Cheng
通讯作者：
G. Cheng
通过时空特征学习和语义规则增强人类动作识别
DOI：
--
发表时间：
2013
期刊：
IEEE-RAS International Conference on Humanoid Robots
影响因子：
--
作者：
Karinne Ramirez;Eun;Jiseob Kim;Byoung;M. Beetz;G. Cheng
通讯作者：
G. Cheng
动摩擦不确定性下约束机器人的未校准图像位置力自适应视觉伺服
DOI：
--
发表时间：
2005
期刊：
2005 IEEE/RSJ International Conference on Intelligent Robots and Systems
影响因子：
--
作者：
E. Dean;L. García;Vicente Parra‐Vega;A. Espinosa
通讯作者：
A. Espinosa