Overcoming occlusions in semi-autonomous telepresence systems
Notice bibliographique
Résumé
In this paper we present an occlusion handling system, applied to articulated telepresence platforms, that simultaneously reduces the control burden on the operator and ensures the continuity of the visual interaction. Articulated telepresence systems improve the sense of presence of the operator by allowing the operator to maintain facial contact even during a walking conversation. However, the additional control of the articulated system, along with controlling navigation and carrying on a conversation can distract the operator and degrade the telepresence experience for both parties. Thus, we propose a semi-autonomous system that, along with visual tracking, can help relieve the burden of managing the articulated platform by clearing occlusions that might arise between the telepresense platform and the second party (the interlocuter). In particular, we demonstrate the application of a lost target recovery algorithm (LTRA) in a telepresence system. As the nature of a telepresence system requires fast recovery from occlusions through smooth motions, we improve the applied LTRA performance by adopting a numerical Inverse Kinematics solver and introducing a Cartesian space sampling method to generate optimal clearing motions. Finally, to validate different occlusion clearing methods, we implement them on an articulated telepresense platform. Experimental results for various scenarios support the feasibility of our approach to quickly recover visual contact in telepresence systems communications.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».