Learning Object-Action Relations from Bimanual Human Demonstration Using Graph Networks

Recognizing human actions is a vital task for a humanoid robot, especially in domains like programming by demonstration. Previous approaches on action recognition primarily focused on the overall prevalent action being executed, but we argue that bimanual human motion cannot always be described suff...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE robotics and automation letters Ročník 5; číslo 1; s. 187 - 194
Hlavní autoři:	Dreher, Christian R. G., Wachter, Mirko, Asfour, Tamim
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Piscataway IEEE 01.01.2020 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Classification Classifiers Domains Feature extraction Graphical representations Ground truth Human motion Humanoid Labels Learning from demonstration Machine learning Moving object recognition Object recognition Programming Robots Segmentation semantic scene understanding Semantics Task analysis Three-dimensional displays Video data visual learning
ISSN:	2377-3766, 2377-3766
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!