Map-Aware Human Pose Prediction for Robot Follow-Ahead

要約

ロボット追従タスクでは、移動ロボットは、動く人間のアクターを視界内に保ちながら、そのアクターの前で相対的な位置を維持するタスクを負います。
このタスクを達成するには、ロボットが人間の完全な 3D 姿勢を理解し (頭の向きが胴体と異なる可能性があるため)、将来の人間の姿勢を予測してそれに応じて計画を立てることが重要です。
この予測タスクは、ジャンクションや複数のコリドーがある複雑な環境では特に困難です。
この研究では、そのような環境における人間の完全な 3D 軌跡を予測するという問題に取り組みます。
私たちの主な洞察は、最初に 2D 軌道を予測し、次に予測された 2D 軌道に基づいて推定量を調整することによって完全な 3D 軌道を推定できることを示すことです。
このアプローチにより、最先端の方法と同等以上の結果を 3 倍の速さで達成します。
私たちの貢献の一環として、既存のデータセットとは対照的に、人間の動きが 1 つの部屋よりもはるかに広い領域にある新しいデータセットを紹介します。
また、人間の姿勢予測ネットワークをモバイル ロボットに統合してリアルタイムのロボットのフォローアヘッドを可能にし、キャンパス内の複数の建物での実世界の実験結果を提示する完全なロボット システムも紹介します。
補足資料やビデオを含むプロジェクト ページは、https://qingyuan-jiang.github.io/iros2024_poseForecasting/ でご覧いただけます。

要約(オリジナル)

In the robot follow-ahead task, a mobile robot is tasked to maintain its relative position in front of a moving human actor while keeping the actor in sight. To accomplish this task, it is important that the robot understand the full 3D pose of the human (since the head orientation can be different than the torso) and predict future human poses so as to plan accordingly. This prediction task is especially tricky in a complex environment with junctions and multiple corridors. In this work, we address the problem of forecasting the full 3D trajectory of a human in such environments. Our main insight is to show that one can first predict the 2D trajectory and then estimate the full 3D trajectory by conditioning the estimator on the predicted 2D trajectory. With this approach, we achieve results comparable or better than the state-of-the-art methods three times faster. As part of our contribution, we present a new dataset where, in contrast to existing datasets, the human motion is in a much larger area than a single room. We also present a complete robot system that integrates our human pose forecasting network on the mobile robot to enable real-time robot follow-ahead and present results from real-world experiments in multiple buildings on campus. Our project page, including supplementary material and videos, can be found at: https://qingyuan-jiang.github.io/iros2024_poseForecasting/

arxiv情報

提供元, 利用サービス

arxiv.jp, Google