主动视觉-触觉物体形状补全
机器人学
2022-03-18 v1 计算机视觉与模式识别
摘要
物体形状补全的最新进展使得仅利用视觉输入即可实现令人印象深刻的物体重建。然而，由于自遮挡，重建在遮挡物体部分具有高度不确定性，这对抓取等下游机器人任务性能产生负面影响。本工作中，我们提出一种称为Act-VH的主动视觉-触觉形状补全方法，其基于重建不确定性主动计算物体触摸位置。Act-VH从点云重建物体，并使用近期最先进的隐式表面深度神经网络IGR计算重建不确定性。我们在仿真与真实世界中针对五种基线实验评估Act-VH的重建精度，并为此提出一种新的仿真环境。结果表明Act-VH优于所有基线，且不确定性驱动的触觉探索策略比随机策略及由高斯过程隐式表面驱动的策略带来更高重建精度。作为最终实验，我们在10个新物体的抓取上评估Act-VH与最佳重建基线。结果显示Act-VH在所有物体上达到比基线显著更高的抓取成功率。总之，本工作为在更复杂杂乱场景中使用主动视觉-触觉形状补全打开了大门。
引用
@article{arxiv.2203.09149,
title = {Active Visuo-Haptic Object Shape Completion},
author = {Lukas Rustler and Jens Lundell and Jan Kristof Behrens and Ville Kyrki and Matej Hoffmann},
journal= {arXiv preprint arXiv:2203.09149},
year = {2022}
}
备注
8 pages, 7 figures