Rete di interazione adattiva per la previsione del movimento umano durante la collaborazione tra esseri umani e robot

Abstract degli autori

Prevedere il movimento umano durante la collaborazione tra esseri umani e robot è fondamentale per garantire interazioni sicure ed efficienti negli ambienti condivisi. A differenza degli studi precedenti, incentrati soprattutto su esseri umani e oggetti, ci concentriamo sulla previsione del movimento umano che tiene conto dei robot, modellando esplicitamente la loro influenza sul movimento delle persone. Questo compito presenta nuove sfide, tra cui rappresentare l’eterogeneità tra esseri umani e robot e modellare interazioni spaziali complesse. Per affrontarle, sviluppiamo un modello di rete di interazione adattiva (AINet) composto da due rami: un ramo principale che prevede il movimento umano futuro e un ramo ausiliario che stima le traiettorie dei robot. I due rami sono ottimizzati congiuntamente e collegati tramite il modulo Local-Global Spatial Interaction (LGSI), che rappresenta le dipendenze contestuali sia dettagliate sia globali tra le sequenze di movimento di esseri umani e robot. Introduciamo poi un modulo Adaptive Weighted Aggregation (AWA) per combinare dinamicamente le caratteristiche del movimento mediante pesi dipendenti dal contesto, aumentando così la capacità di adattamento a scenari diversi. Adottiamo inoltre una strategia di previsione dal generale al particolare: prima viene prevista una pseudo-traiettoria approssimativa, poi, sulla base di questa, vengono perfezionate le pose umane dettagliate. Ampi esperimenti su tre dataset impegnativi mostrano che il metodo proposto ottiene prestazioni superiori, confermandone l’efficacia negli scenari di collaborazione tra esseri umani e robot. Il nostro codice è disponibile all’indirizzo: https://github.com/LyTingHub/AINet.