基于动作模仿学习的人机交互研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第一章 绪论 | 第13-21页 |
| 1.1 课题背景与研究意义 | 第13-14页 |
| 1.2 国内外研究现状 | 第14-19页 |
| 1.2.1 协作型机器人的现状 | 第14-15页 |
| 1.2.2 人机交互的现状 | 第15-17页 |
| 1.2.3 模仿学习的研究现状 | 第17-19页 |
| 1.3 课题来源与研究内容 | 第19-21页 |
| 第二章 Baxter机器人与人体运动捕捉系统 | 第21-30页 |
| 2.1 ROS简介 | 第21页 |
| 2.2 Baxter机器人系统 | 第21-23页 |
| 2.2.1 Baxter机器人 | 第21-22页 |
| 2.2.2 "Zero-G"模式 | 第22-23页 |
| 2.3 人体运动捕捉系统 | 第23-24页 |
| 2.3.1 Xtion相机 | 第23页 |
| 2.3.2 人体运动捕捉 | 第23-24页 |
| 2.4 相机标定 | 第24-28页 |
| 2.4.1 内参标定 | 第24-25页 |
| 2.4.2 手眼标定 | 第25-28页 |
| 2.5 人机交互任务的训练样本采集 | 第28页 |
| 2.6 本章小结 | 第28-30页 |
| 第三章 人的动作描述与识别 | 第30-43页 |
| 3.1 贝叶斯定理与模型参数估计 | 第30-31页 |
| 3.2 动作的一般化描述 | 第31-37页 |
| 3.2.1 动作空间不确定性的建模 | 第32-34页 |
| 3.2.2 动作时间不确定性的建模 | 第34-35页 |
| 3.2.3 联合空间和时间不确定的建模 | 第35-37页 |
| 3.3 动作识别 | 第37-40页 |
| 3.4.1 相位的估计 | 第38-39页 |
| 3.4.2 动作的后验概率 | 第39-40页 |
| 3.4 人体骨架的特征选择 | 第40-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第四章 人机交互任务的描述与机器人的运动生成 | 第43-52页 |
| 4.1 交互任务的一般化描述 | 第43-44页 |
| 4.2 任务误识别问题与多模态交互模型 | 第44-47页 |
| 4.2.1 人体肌电信号 | 第44-45页 |
| 4.2.2 肌电信号的捕捉 | 第45页 |
| 4.2.3 融入肌电信号的任务的交互模型 | 第45-46页 |
| 4.2.4 特征的无量纲化处理 | 第46-47页 |
| 4.3 多模态的交互任务识别 | 第47页 |
| 4.4 肌电信号在任务识别的分析 | 第47-48页 |
| 4.5 机器人的运动推测 | 第48-51页 |
| 4.6 本章小结 | 第51-52页 |
| 第五章 人机交互实验与分析 | 第52-62页 |
| 5.1 人机交互任务的方案设计 | 第52-53页 |
| 5.2 模型的性能分析 | 第53-57页 |
| 5.2.1 特征选择 | 第53-54页 |
| 5.2.2 相位因子的候选数目 | 第54-55页 |
| 5.2.3 任务识别率 | 第55-56页 |
| 5.2.4 机器人定位误差 | 第56-57页 |
| 5.3 在线实验分析 | 第57-61页 |
| 5.5.1 机器人运动轨迹的运动学逆解 | 第57-58页 |
| 5.5.2 任务起始状态的检测 | 第58-60页 |
| 5.5.3 实验结果与分析 | 第60-61页 |
| 5.4 本章小结 | 第61-62页 |
| 总结与展望 | 第62-64页 |
| 参考文献 | 第64-68页 |
| 攻读学位期间发表的论文 | 第68-70页 |
| 致谢 | 第70页 |
