基于视觉的人机协作安全框架，提供可证明的不确定性保障。
Vision-Based Safe Human-Robot Collaboration with Uncertainty Guarantees
- 融合随机不确定性和异常检测，提升姿态估计置信度。
- 在真实人机协作场景中实现高置信度运动预测。
- 适合对安全性要求高的工业自动化场景。
我们提出一种基于视觉的人体姿态估计与运动预测框架，为可验证安全的人机协作提供合规模型预测保证。该框架结合随机不确定性估计与分布外（OOD）检测，实现高概率置信度。为将该流程集成到可验证安全系统中，我们提出了具有高且有效置信度的人体运动预测的合规模型预测集。我们在记录的人体运动数据及真实世界的人机协作场景中评估了该流程。
原文摘要 · Abstract (English)
We propose a framework for vision-based human pose estimation and motion prediction that gives conformal prediction guarantees for certifiably safe human-robot collaboration. Our framework combines aleatoric uncertainty estimation with OOD detection for high probabilistic confidence. To integrate our pipeline in certifiable safety frameworks, we propose conformal prediction sets for human motion predictions with high, valid confidence. We evaluate our pipeline on recorded human motion data and a real-world human-robot collaboration setting.
Thank you to arXiv for use of its open access interoperability. PaperDance 不是 arXiv 官方产品；中文卡片由大模型生成，请以原文为准。