好文精选丨基于神经肌肉特性和多任务时序Transformer模型的驾驶员转向行为建模

全文速览

研究重点

Automotive Innovation  -

主要贡献

Automotive Innovation  -

• 所设计的多任务融合模型相较于单任务模型可同时有效提升握姿识别精度和转向力矩的预测精度。
• 在单手转向情况下，该模型利用肌电信号可实现90.10%的方向盘握姿识别精度，以及0.0564 N·m 的转向力矩预测误差。
• 在双手转向情况下，可实现97.47%的握姿识别精度，以及0.0399N·m 的转向力矩预测误差。

图表展示

Automotive Innovation  -

Fig. 1 Six driving postures for the two different driving modes. 

Fig. 2 Four developed multi-task time-series transformer networks

Fig. 3 Results comparison for driving postures recognition and steer-ing torque prediction for different models and driving postures with single-hand mode

Fig. 4 Results comparison for diving postures recognition and steer-ing torque prediction for different models and driving postures with both-hand mode

研究成果

Automotive Innovation  -

【作者团队简介】(按原文作者顺序排列)

阅读原文