基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
为避开复杂繁琐的底层运动控制,使机器人能够通过学习实现运动技能的获取,有效提高其智能性,将体态感知技术与仿人机器人Nao相结合,以机器人的模仿学习框架为指导,开发并实现了基于Kinect的Nao机器人动作模仿系统。利用Kinect体感摄像机的骨骼跟踪技术,采集示教者骨骼点信息,经预处理后得到示教数据,通过高斯混合模型( GMM)对示教数据进行表征学习,经高斯混合回归( GMR)泛化处理后,映射到Nao机器人中,实现动作的模仿。实验结果表明,Nao机器人能够进行实时和离线的动作模仿,运动轨迹平滑而稳定,动作模仿的效果较好。
推荐文章
基于Kinect的机器人交互系统设计与研究
移动机器人
Kinect
人机交互
遥操作
人体姿态识别
云服务
基于NAO机器人的数字识别
数字识别
NAO机器人
图像识别
BP神经网络
卷积神经网络
仿真分析
基于Kinect系统的场景建模与机器人自主导航
微软Kinect
室内机器人
自主导航
场景建模
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于Kinect的Nao机器人动作模仿系统的研究与实现
来源期刊 智能系统学报 学科 工学
关键词 模仿学习 机器人控制 体态感知 概率模型 高斯混合模型 高斯混合回归
年,卷(期) 2016,(2) 所属期刊栏目
研究方向 页码范围 180-187
页数 8页 分类号 TP242.6
字数 3497字 语种 中文
DOI 10.11992/tis.201511020
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 阮晓钢 北京工业大学电子信息与控制工程学院 240 2182 23.0 35.0
2 于建均 北京工业大学电子信息与控制工程学院 46 241 8.0 13.0
3 门玉森 北京工业大学电子信息与控制工程学院 5 53 4.0 5.0
4 赵少琼 北京工业大学电子信息与控制工程学院 3 37 3.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (7)
共引文献  (4)
参考文献  (7)
节点文献
引证文献  (27)
同被引文献  (33)
二级引证文献  (19)
1960(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(2)
  • 参考文献(1)
  • 二级参考文献(1)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(3)
  • 参考文献(1)
  • 二级参考文献(2)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2016(2)
  • 引证文献(2)
  • 二级引证文献(0)
2017(5)
  • 引证文献(5)
  • 二级引证文献(0)
2018(14)
  • 引证文献(8)
  • 二级引证文献(6)
2019(19)
  • 引证文献(11)
  • 二级引证文献(8)
2020(6)
  • 引证文献(1)
  • 二级引证文献(5)
研究主题发展历程
节点文献
模仿学习
机器人控制
体态感知
概率模型
高斯混合模型
高斯混合回归
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
智能系统学报
双月刊
1673-4785
23-1538/TP
大16开
哈尔滨市南岗区南通大街145-1号楼
2006
chi
出版文献量(篇)
2770
总下载数(次)
11
论文1v1指导