面向可变形物体操作的实到仿贝叶斯处理方法
机器人学
2021-12-10 v1 机器学习
摘要
可变形物体操作仍是机器人研究中的一项挑战性任务。传统的参数推断与状态估计技术通常依赖于对状态空间及其动力学的精确定义。虽然这适用于刚体物体与机器人状态，但定义可变形物体的状态空间及其随时间演化方式却十分困难。在本工作中，我们将推断可变形物体物理参数的问题表述为基于模拟器定义的概率推断任务。我们提出了一种从图像序列提取状态信息的新方法，该技术将可变形物体状态表示为分布嵌入。这使得能够以原则性方式将含噪状态观测直接纳入现代贝叶斯基于模拟的推断工具中。我们的实验证实，我们可以估计高度可变形物体（如布与绳）的物理属性（如弹性、摩擦与尺度）的后验分布。总体而言，我们的方法以概率方式解决实到仿（real-to-sim）问题，并有助于更好地表示可变形物体状态的演化。
引用
@article{arxiv.2112.05068,
title = {A Bayesian Treatment of Real-to-Sim for Deformable Object Manipulation},
author = {Rika Antonova and Jingyun Yang and Priya Sundaresan and Dieter Fox and Fabio Ramos and Jeannette Bohg},
journal= {arXiv preprint arXiv:2112.05068},
year = {2021}
}