کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
5002732 1368457 2016 6 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Gaze Trajectory Prediction in the Context of Social Robotics
ترجمه فارسی عنوان
پیش بینی مسیر پیش بینی در زمینه رباتیک اجتماعی
ترجمه چکیده
روباتیک اجتماعی یک حوزه در حال ظهور روباتیک است که بر تعاملات بین روبات ها و انسان تمرکز دارد. با توجه به نگرانی های پیرامون جامعه و نیاز به محیط های حمایتی، توجه زیادی را جلب کرده است. در این زمینه، این مقاله بر روی کنترل چشم و ردیابی چشم به عنوان وسیله ای برای کنترل ربات تمرکز دارد. هدف از آن این است که با استفاده از الگوریتم های پیشرفته برای پیش بینی مسیر هوش انسانی، قابلیت استفاده از رابط های انسان و ماشین را بر اساس کنترل زلزله بهبود بخشد. مقاله دو رویکرد پیش بینی پیش بینی دیدگاه را پیشنهاد می کند: احتمالاتی و نمادین. هر دو روش از آموزش دستگاه استفاده می کنند. روش احتمالاتی دو مدل دولتی را نشان می دهد که مکان و جهت دید را نشان می دهد. روش نمادین مسئله پیش بینی چشماندازی را مشابه آنچه که در مرورگرهای وب به کار می رود، پیش بینی می کند. آزمایش های مقایسویی اثبات امکان پذیری هر دو رویکرد و نشان می دهد که رویکرد احتمالاتی نتایج پیش بینی های بهتر را به دست می آورد.
موضوعات مرتبط
مهندسی و علوم پایه سایر رشته های مهندسی مکانیک محاسباتی
چکیده انگلیسی
Social robotics is an emerging field of robotics that focuses on the interactions between robots and humans. It has attracted much interest due to concerns about an aging society and the need for assistive environments. Within this context, this paper focuses on gaze control and eye tracking as a means for robot control. It aims to improve the usability of human-machine interfaces based on gaze control by developing advanced algorithms for predicting the trajectory of the human gaze. The paper proposes two approaches to gaze-trajectory prediction: probabilistic and symbolic. Both approaches use machine learning. The probabilistic method mixes two state models representing gaze locations and directions. The symbolic method treats the gaze-trajectory prediction problem similar to how word-prediction problems are handled in web browsers. Comparative experiments prove the feasibility of both approaches and show that the probabilistic approach achieves better prediction results.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: IFAC-PapersOnLine - Volume 49, Issue 19, 2016, Pages 126-131
نویسندگان
, , ,