Benchmarking ML Approaches to UWB-Based Range-Only Posture Recognition for Human Robot-Interaction

要約

人間の姿勢推定には、画像、ビデオ、またはモーション センサーや慣性センサーなどのソースからの入力データを使用して、さまざまな身体部分の位置を検出および追跡することが含まれます。
この論文では、機械学習アルゴリズムを使用して人間の姿勢を予測し、モーション センサーの代替として超広帯域 (UWB) ノードを使用して人間の姿勢をロボットの動作コマンドに変換する、人間の姿勢推定への新しいアプローチを紹介します。
この研究では、人体に実装された 5 つの UWB センサーを利用して、静止ポーズの分類とより堅牢な姿勢認識を可能にします。
このアプローチにより、さまざまな被験者にわたって効果的な姿勢認識が保証されます。
これらの距離測定値は、姿勢予測モデルの入力特徴として機能し、実装されて精度が比較されます。
この目的のために、K 最近傍法 (KNN)、サポート ベクター マシン (SVM)、および深層多層パーセプトロン (MLP) ニューラル ネットワークを含む機械学習アルゴリズムが採用され、対応する姿勢を予測する際に比較されます。
ROS 2 ノードに実装された推論を使用して、さまざまな移動/空中ロボットをリアルタイム制御するための提案されたアプローチを実証します。
実験結果はこのアプローチの有効性を実証し、人間の姿勢とそれに対応するロボットの動きを高精度で予測することに成功したことを示しています。

要約(オリジナル)

Human pose estimation involves detecting and tracking the positions of various body parts using input data from sources such as images, videos, or motion and inertial sensors. This paper presents a novel approach to human pose estimation using machine learning algorithms to predict human posture and translate them into robot motion commands using ultra-wideband (UWB) nodes, as an alternative to motion sensors. The study utilizes five UWB sensors implemented on the human body to enable the classification of still poses and more robust posture recognition. This approach ensures effective posture recognition across a variety of subjects. These range measurements serve as input features for posture prediction models, which are implemented and compared for accuracy. For this purpose, machine learning algorithms including K-Nearest Neighbors (KNN), Support Vector Machine (SVM), and deep Multi-Layer Perceptron (MLP) neural network are employed and compared in predicting corresponding postures. We demonstrate the proposed approach for real-time control of different mobile/aerial robots with inference implemented in a ROS 2 node. Experimental results demonstrate the efficacy of the approach, showcasing successful prediction of human posture and corresponding robot movements with high accuracy.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google