面向移动操作的主动感知运动生成

移动操作（MoMa）系统结合了移动性与灵巧性的优势，因其可移动并与环境交互的空间更大。然而，即便配备机载传感器（如具身相机），在非结构化且杂乱的环境（如家庭）中提取任务相关视觉信息仍具挑战。本工作中，我们为移动操作机器人引入主动感知流水线，以生成对操作任务（如在未知杂乱场景中抓取）具有信息量的运动。我们提出的方法 ActPerMoMa 以滚动时域方式通过采样路径并计算路径效用生成机器人路径。这些效用在最大化用于场景重建的视觉信息增益（IG）与通过最大化抓取可达性实现的任务导向目标（如抓取成功）之间进行权衡。我们在使用双臂 TIAGo++ MoMa 机器人在含障碍的杂乱场景中执行移动抓取的仿真实验中展示了方法有效性。我们实证分析了各种效用与参数的贡献，并与带或不带主动感知目标的代表性基线进行比较。最后，我们将移动抓取策略迁移至真实世界，指明了主动感知 MoMa 的有前景方向。