在人形机器人中,生物仿真学习手势手势
Parthan Olikkal1, Dingyi Pei1, Bharat Kashyap Karri1
1Department of Computer Science and Electrical Engineering, Sensorimotor Control Lab, University of Maryland, Baltimore, MD, United States.
Frontiers in human neuroscience
|August 5, 2024
概括
研究人员使用动力协同作用来复制机器人的人类手势. 这种方法达到95.7%的准确性,通过敏捷的机器人控制实现了更自然的人机器人协作.
科学领域:
- 机器人技术 机器人技术 机器人技术
- 神经科学是一个神经科学.
- 人与计算机的交互
背景情况:
- 人的手势是一种自然的沟通方式.
- 运动神经科学研究运动的协同作用 (原始),以产生和控制运动.
- 协同效应为像假肢和康复等应用提供了精巧机器人控制的途径.
研究的目的:
- 在机器人中识别和利用动力协同效应来实现实时手势复制.
- 通过直观的手势控制来增强人机协作.
主要方法:
- 使用单个RGB摄像头和MediaPipe框架记录了33个静态手势.
- 获得了统一的关节角速度,并应用了维度减小来提取动力协同效应.
- 使用凸优化来从协同作用中重建新的手势.
- 在实时中将重建的手势和协同作用转化为人形机器人 (Mitra).
主要成果:
- 确定了解释98%运动变异的动力协同效应.
- 新的手势被高精度重建.
- 人形机器人成功地实时复制了人类手的手势,使用低维的协同效应,准确率为95.7%.
结论:
- 一组低维的动力协同作用可以有效地产生各种手势.
- 这种方法对实现近乎自然的人机器人协作充满希望.
- 这些发现支持使用运动原体来控制高维的机器人系统.
