Dati Sintetici per Migliorare l’Accuratezza nella Previsione del Movimento Umano

Human Motion Prediction consists of predicting the future movements of a person based on motion history. This finds applications in a variety of fields, including Collaborative Robotics, where predicting human motion makes human-machine interaction more natural. Deep Learning models represent the current state of the art in human motion prediction. However, to achieve good accuracy, very large datasets are required for their training. Furthermore, collecting human motion data relies on complex motion capture systems, making the process time-consuming and expensive. The goal of this thesis is to explore the use of synthetic human motion data to improve prediction accuracy. These data are created through a generative human motion model and used to pre-train the models, which are then fine-tuned on real data. The results showed a considerable improvement in prediction accuracy, highlighting that the use of synthetic data can have a significant impact in the field of human motion prediction.

L'anticipazione del movimento umano consiste nel prevedere i movimenti futuri di una persona a partire da osservazioni precedenti. Diversi sono gli ambiti applicativi, tra cui la robotica collaborativa, dove prevedere il movimento umano rende più naturale l’interazione uomo-macchina. I modelli di Deep Learning rappresentano l’attuale stato dell’arte per l’anticipazione del movimento umano. Tuttavia, per ottenere una buona precisione sono necessari dataset molto grandi per il loro allenamento. Inoltre, la raccolta di questi dati si basa su complessi sistemi di motion capture che rendono il processo molto lungo e costoso. L'obiettivo di questa tesi è quello di esplorare l'utilizzo di dati sintetici di movimento umano per migliorare l’accuratezza della predizione. Questi dati, creati artificialmente tramite un modello generativo di movimento umano, sono utilizzati per pre-addestrare i modelli di anticipazione i quali vengono poi adattati per i dati reali. I risultati hanno mostrato un miglioramento considerevole nell'accuratezza della previsione, evidenziando quindi che l'uso di dati sintetici può avere un impatto significativo nell'ambito della previsione del movimento umano.