在这项工作中，我们提出了一种基于手势的语言，以允许人类以自然的方式与机器人互动。我们已经使用神经网络和一个自定义的人类数据集创建了一个新的手势检测模型，该数据集执行一组身体手势来训练我们的网络。此外，我们将身体手势通信与其他沟通渠道进行比较，以确认将这些知识添加到机器人的重要性。在非训练志愿者的不同模拟和现实生活实验中，对所提出的方法进行了广泛的验证。这取得了显着的结果，并表明它是社会机器人应用程序（例如人类机器人协作或人类机器人互动）的宝贵框架。
translated by 谷歌翻译
本文介绍了深度学习体系结构的设计，这些设计允许对两个人行走的人之间存在的社会关系分为四个可能的类别 - 相交，夫妇，家庭或友谊。这些模型是使用神经网络或经常性神经网络开发的，以实现分类，并使用从人类在城市环境中执行伴奏过程的读数数据库进行培训和评估。最佳实现的模型在分类问题中实现了相对良好的准确性，其结果可部分增强先前研究的结果[1]。此外，提出的模型显示了提高其效率并将在真正的机器人中实施的未来潜力。
translated by 谷歌翻译