.png){kind=icon}
返回
GESTRO: Skeleton-Based Dynamic Gesture Recognition for Robot Teleoperation
.png){kind=icon}
OA
AI
DOI：10.1007/s10846-026-02395-9.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
近年来，提高人机交互（HRI）的效率已具有重要意义，特别是在工业环境中，机器人理解和根据人类手势行动的能力对于实现顺畅协作至关重要。本文为移动机器人遥操作中的实时手势识别挑战做出了贡献。它引入了一个新的定制数据集GESTRO，包含11种动态手势，共3,300个样本，专门用于直观控制移动自主系统。基于所提出的数据集，本文介绍了一种带有注意力机制的LSTM（长短期记忆）模型，准确率达到0.98。全面的评估考察了数据质量以及动态序列对准确手势检测的重要性。最后，所提出的模型被部署到移动机器人系统中，展示了其在真实人机交互环境中的可用性。所提出的数据集和展示的模型已公开可用（https://github.com/thohemp/gestro）。
Keyword:
Gesture recognition
Human robot interaction
Keypoint detection
Dynamic gestures
Robot teleoperation
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
J
IF:
2.8
论文数:
3.9K
被引数:
6.9K
机构
引用论文
Robust Hand Gesture Tracking and Recognition for Healthcare via Recurrent Neural Network基于循环神经网络的鲁棒手部手势跟踪与识别在医疗保健中的应用
PREAI
分享收藏Towards an intuitive human-robot interaction based on hand gesture recognition and proximity sensors基于手势识别和距离传感器的直观人机交互研究OAAI
OAAI分享收藏ChaLearn Looking at People RGB-D Isolated and Continuous Datasets for Gesture RecognitionChaLearn着眼于人rgb-d孤立和连续的数据集，用于手势识别
PREAI
分享收藏
Hand Gesture Recognition with Convolution Neural Networks.png)
2019 IEEE 20th International Conference on Information Reuse and Integration for Data Science (IRI)
2019 IEEE 20th International Conference on Information Reuse and Integration for Data Science (IRI)IF0
PREAI
分享收藏
查看更多内容