行動予測2026/8/26arXiv:2608.25495v1

ポーズアンカー型オプティカルフローによるヒューマンロボット協調における低遅延行動予測

Pose-Anchored Optical Flow for Low-Latency Human Action Anticipation in Human-Robot Teaming

人間の関節周辺の局所的な動きを捉えるポーズアンカー型オプティカルフロー表現（PoseOFF）を提案し、行動予測の精度を向上させた。

詳しい要約

1. どんなもの？

PoseOFFは、人間の関節周辺の局所的な動き情報を捉えるpose-anchored optical flow表現を提案する。この表現は、人間の動作予測（action anticipation）を早期に行うために、骨格情報と密なオプティカルフローの利点を組み合わせ、計算効率を保ちつつ動作認識精度を向上させる。

2. 先行研究と比べてどこがすごい？

既存の手法は、骨格表現（sparse skeletal representations）が微細な動きの手がかりを欠くか、密なオプティカルフロー（dense optical flow）が計算コスト高である。PoseOFFは、ポーズに基づいてオプティカルフローを局所化することで、意味的に重要な身体位置の動きを符号化し、低遅延かつ高精度な早期予測を実現する点が新しい。

3. 技術・手法の肝は？

PoseOFFは、人間のポーズ（関節位置）に基づいてオプティカルフローを条件付けし、関節周辺の局所的な動き特徴を抽出する。これにより、全身のフレーム処理を必要とせず、kinematicsに整合した構造化された動き表現を構築する。

4. どうやって有効だと検証した？

複数のベンチマークデータセットとバックボーンアーキテクチャを用いて、action anticipationタスクで評価。特に早期観測比率（early observation ratios）での認識精度が向上し、より少ない観測で同等以上の性能を達成することを示した。

5. 議論はある？

要旨からは、PoseOFFの限界や潜在的な欠点についての議論は不明。ただし、計算効率と精度のトレードオフ、異なるポーズ推定精度への依存性などが考えられるが、要旨には明記されていない。

6. 次に読むべき論文は？

要旨で参照されている関連研究は明示されていないが、同分野の定番として、骨格ベースの行動認識（skeleton-based action recognition）やオプティカルフローを用いた行動認識（optical flow-based action recognition）の論文が挙げられる。

※ AIが要旨から生成した要約です。正確性は原文をご確認ください。

著者: Lewis de Zoete Grundy, Chris McCarthy, Christopher Fluke

分類: cs.CV, cs.AI

原文アブストラクト

Human-robot interaction (HRI) requires robots to interpret human actions early in their execution in order to respond safely, efficiently, and naturally. However, many existing approaches to human action recognition rely either on sparse skeletal representations, which lack fine-grained motion cues, or dense optical flow, which can be computationally expensive for low-latency perception pipelines. In this paper, we propose PoseOFF, a pose-anchored optical flow representation that captures local motion information around human joints to support earlier human intent understanding. By conditioning motion feature extraction on human pose, PoseOFF encodes localised motion dynamics at semantically meaningful body locations, forming a structured motion representation that is explicitly aligned with human kinematics. We evaluate PoseOFF across multiple benchmark datasets and backbone architectures for action anticipation, demonstrating consistent improvements in recognition accuracy, particularly at early observation ratios. Our results show that PoseOFF enables models to achieve comparable or improved performance while observing less of the action sequence, highlighting its effectiveness for early prediction. Importantly, these gains are achieved without requiring full-frame motion processing, making the approach practical for real-time and resource-constrained settings. These findings suggest that pose-centred motion representations such as PoseOFF can enhance the ability of interactive robot systems to infer human actions earlier, supporting more responsive and anticipatory behaviour in human-robot interaction scenarios.

arXivで原文を読む →arXiv概要ページ

← 論文一覧