基于 NeRF 迁移学习的 6-DoF 抓取位姿评估与优化
机器人学
2024-01-17 v1
摘要
我们利用隐式行为克隆解决已知和未知物体的机器人抓取问题。我们利用少量演示训练了一个抓取评估模型，该模型为更可能成功抓取的候选位姿输出更高的值。该评估模型作为目标函数，我们通过最大化它来识别成功的抓取。我们方法的关键是利用从预训练 NeRF 导出的视觉和几何特征的 Learned implicit representations。尽管该模型仅在简化物体和 4-DoF 自上而下抓取的模拟环境中进行训练，但我们的评估模型和优化过程展示了向 6-DoF 抓取和新颖物体的泛化能力，无论是在模拟环境还是真实世界设置中，均无需额外数据。补充材料见：https://gergely-soti.github.io/grasp
引用
@article{arxiv.2401.07935,
title = {6-DoF Grasp Pose Evaluation and Optimization via Transfer Learning from NeRFs},
author = {Gergely Sóti and Xi Huang and Christian Wurll and Björn Hein},
journal= {arXiv preprint arXiv:2401.07935},
year = {2024}
}