面向机器人主动抓取的基于能量模型的信息导向方法

在密集 cluttered 环境中进行抓取是机器人面临的挑战性任务。以往方法通过主动收集多个视角来解决此问题，但它们要么忽视了抓取分布对信息增益估计的重要性，要么依赖抓取分布的投影，这会忽略 SE(3) 流形上抓取姿态的结构。为解决这些挑战，我们提出了一种用于抓取姿态生成的校准能量模型，以及一种从抓取分布估计信息增益的主动视图选择方法。我们的能量模型捕捉了抓取分布在 SE(3) 流形上的多模态特性。能量水平校准为抓取成功率，以便预测分布与真实分布一致。通过估计在校准分布条件下从重建环境获得的抓取信息增益来选择下一个最佳视角，从而有效地引导机器人探索目标对象的可接受区域。在仿真环境和真实机器人 setup 中的实验表明，我们的模型能够在有限的视角预算下成功抓取密集环境中的物体，优于以往的最新模型。我们的仿真环境可作为面向主动抓取研究的可复现平台。本文源码将在论文公开发布时对外开放。