文献

J-GLOBAL ID：201702290520595198   整理番号：17A1271471

人間行動の実時間ロボット認識のための同時特徴と身体部位学習【Powered by NICT】

Simultaneous Feature and Body-Part Learning for real-time robot awareness of human behaviors

著者 (5件)： Han Fei (Department of Computer Science, Colorado School of Mines, Golden, CO 80401, USA) ,  Yang Xue (Department of Computer Science, Colorado School of Mines, Golden, CO 80401, USA) ,  Reardon Christopher (US Army Research Laboratory, Adelphi, MD 20783, USA) ,  Zhang Yu (Department of Computer Science and Engineering, Arizona State University, Tempe, AZ 85281, USA) ,  Zhang Hao (Department of Computer Science, Colorado School of Mines, Golden, CO 80401, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： ICRA  ページ： 2621-2628  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 人間行動のロボット認識は多くの重要な実世界アプリケーションを用いたロボット工学における必須の研究問題,人間-ロボット協力とチームを含んでいる。過去数年にわたり,深さセンサは3次元知覚のためのインテリジェントロボットに広く使用されている標準器,3次元空間におけるヒト骨格データを提供できるになってきた。骨格データに基づくいくつかの方法が十分な精度で人間行動のロボット認識を可能にするために設計した。しかし,従来の方法は,すべての身体部位を処理し,等しく重要な特徴,識別身体部位と特徴を識別する能力はなかった。本論文では,著者らは,特徴的な身体部位と特徴を同定する同時に新しい同時特徴また部位学習(FABL)アプローチを提案し,全ての利用可能な情報を統合した人間行動の実時間ロボット認識を可能にする。身体部位と特徴のモデル相互関係に構造化スパース性誘導ノルムをもつ回帰のような最適化問題としてFABLを定式化した。も定式化した問題,最適解を見出す理論的な保証を有することを解くための最適化アルゴリズムを開発した。FABLを評価するために,三種の実験を行い,公開ベンチマークデータセット,MSR Action3DとCAD60データセットを含む実用的な支援生活アプリケーションにおけるBaxterロボットを用いて行った。実験を行いその結果,提案FABLアプローチは10~1Hzの大きさ,FABLを実用的なロボット応用における人間行動の実時間ロボット認識を可能にする有望な方法の処理速度と高い認識精度が得られることを示した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *身体部位 ,  ノルム ,  センサ ,  *人間行動 ,  *学習 ,  *ロボット ,  ヒト ,  応用プログラム ,  最適化問題 ,  知能ロボット ,  構造形成 ,  定式化
準シソーラス用語： スパース性 ,  ロボット工学 ,  *実時間 , 【Automatic Indexing@JST】

分類 (2件)： ロボットの運動・制御  (IC04012J) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (5件)： 人間行動 ,  実時間 ,  ロボット ,  身体部位 ,  学習