
Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
| Metadados | Descrição | Idioma |
|---|---|---|
| Autor(es): dc.contributor | Universidade de São Paulo (USP) | - |
| Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
| Autor(es): dc.creator | Noppeney, Victor | - |
| Autor(es): dc.creator | Escalante, Felix M. | - |
| Autor(es): dc.creator | Maggi, Lucas | - |
| Autor(es): dc.creator | Boaventura, Thiago | - |
| Data de aceite: dc.date.accessioned | 2025-08-21T23:04:31Z | - |
| Data de disponibilização: dc.date.available | 2025-08-21T23:04:31Z | - |
| Data de envio: dc.date.issued | 2025-04-29 | - |
| Data de envio: dc.date.issued | 2023-12-31 | - |
| Fonte completa do material: dc.identifier | http://dx.doi.org/10.1109/LRA.2024.3495572 | - |
| Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/305441 | - |
| Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/305441 | - |
| Descrição: dc.description | Predicting human motion may lead to considerable advantages for human-robot interaction, particularly when precise synchronization between the robot's motion and the user's movement is imperative. The inherent stochastic nature of human behavior, combined with the restricted window of response, can give rise to residual and undesirable forces during interactions, potentially harming the user. Therefore, efficient prediction of human joint movements may enhance the performance of various interaction control frameworks used in wearable robots. This paper proposes the HuMAn algorithm for predicting human joint motion based on a recurrent neural network. This algorithm consists of a long-term memory network, used to interpret sequences of poses, and a prediction layer, employed to build the most likely future user poses within a specified time horizon. Network training was performed using datasets encompassing various subjects and types of motion. The results demonstrate the effectiveness of the proposed algorithm, as evidenced by average general prediction errors below 0.1 radians for predictive horizons of up to 500 milliseconds. Furthermore, a mean absolute error of 0.026 radians was achieved for a periodic treadmill walk. Simulation results demonstrate a large improvement in transparency control performance in a case study with an upper limb exoskeleton robot. | - |
| Descrição: dc.description | University of São Paulo São Carlos School of Engineering | - |
| Descrição: dc.description | São Paulo State University Institute of Science and Technology | - |
| Descrição: dc.description | São Paulo State University Institute of Science and Technology | - |
| Formato: dc.format | 11521-11528 | - |
| Idioma: dc.language | en | - |
| Relação: dc.relation | IEEE Robotics and Automation Letters | - |
| ???dc.source???: dc.source | Scopus | - |
| Palavras-chave: dc.subject | human and humanoid motion analysis and synthesis | - |
| Palavras-chave: dc.subject | intention recognition | - |
| Palavras-chave: dc.subject | Modeling and simulating humans | - |
| Título: dc.title | HuMAn - the Human Motion Anticipation Algorithm Based on Recurrent Neural Networks | - |
| Tipo de arquivo: dc.type | livro digital | - |
| Aparece nas coleções: | Repositório Institucional - Unesp | |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: