Using Human Attention to Address Human-Robot Motion

本文利用human attention来解决HRM（Human-Robot Motion）的问题.

Human Attention

• 对于人而言视觉注意力是一种认知机制用来过滤人类的传感信息[文献7]
• 文献8的作者提出了attention field的概念（文献8是利用的文献9的模型进行的计算）
• 文献9的模型是针对人视野的一个单独区域而言的，类似于文献10提出的变焦镜头模型
• 文献11综述在心理和脑神经取得的成果，对注意力模型有详细解释
• 文献12 bottom-up和top-down机制
  • Bottom-up mechanisms：直接被环境所影响，例如特征明显的物体或者环境隐藏的改变
    • a passive, reflexive and involuntary stimulus-driven mechanism
  • Top-down mechanisms：被目前的活动，先验知识和期望所影响
    • active, voluntary and goal-directed
    • 它反映了将注意力资源有意的分配给预定的元素——objects, regions of the environment
• 文献19 salience maps

作者博士论文第三章阅读

to the best of our knowlege

for the sake of simplicity and visualization 为了简单和可视化起见

Deep Object-Centric Policies for Autonomous Driving

加州伯克利大学

提出一种以物体为中心的模型object-centric，无论是仿真还是实际效果都比object-agnostic好。模拟器用的是the Grand Theft Auto V simulator，实际验证用的数据集Berkeley DeepDrive Video dataset。

其实以物体为中心就是将注意力集中在物体上