.png){kind=icon}
返回
Human Behavior Anonymization for Secure Teleoperation
.png){kind=icon}
PRE
AI
DOI：10.1109/tifs.2026.3688984.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
遥操作机器人，将人类行为转化为机器人动作，仍是现代机器人学的关键领域。尽管自主系统发展迅速，但在复杂和非结构化环境中仍面临挑战，使得闭环人控对于许多实际任务不可或缺。遥操作平台通常依赖动作追踪技术捕捉操作员详细行为，随后将其转换为机器人控制指令。然而，这些丰富的行为信号也可能编码特定操作员生物特征，带来用户重识别等隐私风险。尽管先前研究表明行为生物特征可用于可靠认证，但针对遥操作中心动作流的隐私泄露问题关注较少。为解决此问题，我们引入一种基于变分自编码器（VAE）的解耦表示学习框架，以抑制身份暴露线索同时保留任务相关动作模式。我们在离线状态下对来自遥操作原型机收集的重建轨迹进行评估，多用户执行一系列操作任务。结果表明，重识别风险显著降低，且在任务效用方面实现了有利的隐私-效用权衡。更广泛地看，我们的发现强调了未来机器人遥操作系统需加强隐私保护。
Keyword:
Tele-robotics
privacy preservation techniques
human–robot interaction
期刊
IF:
8
论文数:
5.3K
被引数:
2.3W
机构
引用论文
.png){kind=icon}
分享收藏分享收藏
查看更多内容