Concetti Chiave
Ein lernbasierter Ansatz unter Verwendung von Convolutional Neural Networks kann Robotern beibringen, sich in einer Menschenmenge sozial akzeptabel zu bewegen, indem er die Interaktion zwischen Roboter und Menschen berücksichtigt.
Sintesi
Die Autoren präsentieren einen lernbasierten Ansatz, um Roboter in die Lage zu versetzen, sich in Menschenmengen sozial akzeptabel zu bewegen. Dafür verwenden sie Convolutional Neural Networks, die aus Videodaten eines Roboters, der von Personen ferngesteuert wird, lernen.
Die Hauptschritte sind:
- Kamerakalibration und Homographie-Reprojizierung, um eine Vogelperspektive auf den Boden zu erhalten
- Detektion und Verfolgung von Personen und des Roboters mithilfe von Openpose und manueller Markierung
- Normalisierung der Daten in eine 64x64 Belegungskarte, die den Roboter im Zentrum und die Ausrichtung zum Ziel hat
- Training eines CNN-Modells, das aus der Belegungskarte und der Roboterausrichtung die nächste Aktion in Form von Geschwindigkeit und Drehwinkel vorhersagt
- Evaluierung des trainierten Modells anhand von Testdaten
Leider konnten die Autoren die Evaluation im realen Umfeld nicht abschließen, da technische Probleme mit dem Roboter auftraten. Dennoch zeigen die Ergebnisse, dass der Ansatz vielversprechend ist und weitere Untersuchungen lohnenswert erscheinen.
Statistiche
Die durchschnittliche Geschwindigkeit des Roboters betrug in den Trainingsdaten 22,62 cm/s und die durchschnittliche Drehung 13,95 Grad.
Mit dem trainierten neuronalen Netz betrug die durchschnittliche Geschwindigkeit 10,50 cm/s und die durchschnittliche Drehung 6,35 Grad.
Citazioni
Keine relevanten Zitate identifiziert.