UPTor: 人間とロボットのインタラクションのための統合3D人間姿勢ダイナミクスと軌道予測

- 本論文は、短い入力ポーズ系列から人間のキーポイントの動きと移動軌跡を同時に予測する統合手法「UPTor」を提案する。 - 全身ポーズ予測と軌跡予測を別々に扱うのではなく、グローバル座標系で両者を同時に予測する。 - 人間とロボットのインタラクションや人間認識ナビゲーションへの応用を目的とする。 - 新たにナビゲーション活動に焦点を当てたデータセット「DARKO」を導入する。

- 従来は全身ポーズ予測と軌跡予測のいずれかに焦点を当てた研究が多く、両者を統合する試みは少ない。 - 提案手法は、既存の3D human pose estimationモジュール、graph attention network、非自己回帰型transformerを組み合わせ、コンパクトでリアルタイム性を備える。 - 先行研究と比較して、Human3.6M、CMU-Mocap、DARKOの全データセットで人間のナビゲーション動作予測において高精度かつリアルタイムであることを示した。

- 入力ポーズ系列から全身ポーズと軌跡キーポイントをグローバル座標系で同時に予測するmotion transformation techniqueを提案。 - 既製の3D human pose estimationモジュールでポーズを抽出し、graph attention networkで骨格構造をエンコードする。 - リアルタイムの動作予測に適したコンパクトな非自己回帰型transformerを用いる。 - これらを組み合わせ、人間認識移動ロボットナビゲーションのための予測を実現する。

- Human3.6M、CMU-Mocap、および新規データセットDARKOの3つで広範な評価を実施。 - 先行研究と比較し、コンパクト性、リアルタイム性、人間ナビゲーション動作予測の精度を検証。 - 結果のアニメーション、データセット、コードは公開予定としている。

- 提案手法のコンパクト性とリアルタイム性が人間ロボットインタラクションや人間認識ナビゲーションに適することを主張。 - 新データセットDARKOがナビゲーション活動に特化している点を強調。 - 具体的な限界や議論の詳細は要旨からは不明。

- 要旨で参照されている先行研究：full-body pose prediction、motion trajectory predictionの個別研究。 - 関連手法：3D human pose estimation、graph attention network、transformer。 - データセット：Human3.6M、CMU-Mocap、DARKO。 - 同分野の定番としてhuman-aware navigationに関する研究も参考になる。