Sökning: onr:"swepub:oai:DiVA.org:oru-102772" >
The Magni Human Mot...
The Magni Human Motion Dataset : Accurate, Complex, Multi-Modal, Natural, Semantically-Rich and Contextualized
-
- Schreiter, Tim, 1997- (författare)
- Örebro universitet,Institutionen för naturvetenskap och teknik,AASS MRO Lab
-
- Almeida, Tiago Rodrigues de, 1996- (författare)
- Örebro universitet,Institutionen för naturvetenskap och teknik
-
- Zhu, Yufei, 1994- (författare)
- Örebro universitet,Institutionen för naturvetenskap och teknik
-
visa fler...
-
- Gutiérrez Maestro, Eduardo, 1994- (författare)
- Örebro universitet,Institutionen för naturvetenskap och teknik
-
- Morillo-Mendez, Lucas, 1991- (författare)
- Örebro universitet,Institutionen för naturvetenskap och teknik
-
- Rudenko, Andrey (författare)
- Robert Bosch GmbH, Corporate Research, Stuttgart, Germany
-
- Kucner, Tomasz P. (författare)
- Mobile Robotics Group, Department of Electrical Engineering and Automation, Aalto University, Finland
-
- Martinez Mozos, Oscar, 1974- (författare)
- Örebro universitet,Institutionen för naturvetenskap och teknik
-
- Magnusson, Martin, Docent, 1977- (författare)
- Örebro universitet,Institutionen för naturvetenskap och teknik
-
- Palmieri, Luigi (författare)
- Robert Bosch GmbH, Corporate Research, Stuttgart, Germany
-
- Arras, Kai O. (författare)
- Robert Bosch GmbH, Corporate Research, Stuttgart, Germany
-
- Lilienthal, Achim, 1970- (författare)
- Örebro universitet,Institutionen för naturvetenskap och teknik
-
visa färre...
-
(creator_code:org_t)
- 2022
- 2022
- Engelska.
- Relaterad länk:
-
https://doi.org/10.4...
-
visa fler...
-
https://oru.diva-por... (primary) (Raw object)
-
https://urn.kb.se/re...
-
https://doi.org/10.4...
-
visa färre...
Abstract
Ämnesord
Stäng
- Rapid development of social robots stimulates active research in human motion modeling, interpretation and prediction, proactive collision avoidance, human-robot interaction and co-habitation in shared spaces. Modern approaches to this end require high quality datasets for training and evaluation. However, the majority of available datasets suffers from either inaccurate tracking data or unnatural, scripted behavior of the tracked people. This paper attempts to fill this gap by providing high quality tracking information from motion capture, eye-gaze trackers and on-board robot sensors in a semantically-rich environment. To induce natural behavior of the recorded participants, we utilise loosely scripted task assignment, which induces the participants navigate through the dynamic laboratory environment in a natural and purposeful way. The motion dataset, presented in this paper, sets a high quality standard, as the realistic and accurate data is enhanced with semantic information, enabling development of new algorithms which rely not only on the tracking information but also on contextual cues of the moving agents, static and dynamic environment.
Ämnesord
- NATURVETENSKAP -- Data- och informationsvetenskap -- Datavetenskap (hsv//swe)
- NATURAL SCIENCES -- Computer and Information Sciences -- Computer Sciences (hsv//eng)
Nyckelord
- Dataset
- Human Motion Prediction
- Eye Tracking
Publikations- och innehållstyp
- ref (ämneskategori)
- kon (ämneskategori)
- Av författaren/redakt...
-
Schreiter, Tim, ...
-
Almeida, Tiago R ...
-
Zhu, Yufei, 1994 ...
-
Gutiérrez Maestr ...
-
Morillo-Mendez, ...
-
Rudenko, Andrey
-
visa fler...
-
Kucner, Tomasz P ...
-
Martinez Mozos, ...
-
Magnusson, Marti ...
-
Palmieri, Luigi
-
Arras, Kai O.
-
Lilienthal, Achi ...
-
visa färre...
- Om ämnet
-
- NATURVETENSKAP
-
NATURVETENSKAP
-
och Data och informa ...
-
och Datavetenskap
- Av lärosätet
-
Örebro universitet