Efficient Transformer-Based Model for Human Proximity Detection

doi:10.1109/LRA.2025.3609943

Efficient Transformer-Based Model for Human Proximity Detection

0

OA

AI

DOI：10.1109/LRA.2025.3609943

原文链接

原文求助

摘要

En 中文

协作机器人通过有效的人机交互优化系统，具有推动工业新时代发展的潜力。在此背景下，可靠、实时的行人检测至关重要。本文中，作者提出了一种基于电容式传感器的行人检测计算高效型Transformer深度学习模型。本方法涉及两阶段流程：（i）重建预训练任务，其中自编码器仅使用行人数据进行训练；（ii）单类分类阶段，作为校准步骤，其中冻结的编码器作为特征提取器以区分行人样本与非行人样本。该两阶段流程可在无需进一步深度学习微调的情况下，实现现实场景中的快速校准。本编码器包含少于30,000个可训练参数，且其架构为模块化设计，可灵活集成不同数量的传感器。我们通过两项消融研究证明了模型鲁棒性：（i）在1、2和6传感器的配置下达到超过95.44%的准确率；（ii）在动态场景中仅使用1.4秒的记录行人数据即可达到超过94.22%的准确率。此外，该流程在GPU和CPU设备上均实现了亚毫秒级推理时间，进一步证明了其适用于协作机器人中的实时应用。

Keyword:

Human-robot collaboration

safety in HRI

human proximity detection

capacitive sensors

representation learning

Efficient Transformer-Based Model for Human Proximity Detection

摘要

期刊

机构

引用论文