基于动态树胶囊网络的可供性检测
计算机视觉与模式识别
2022-11-11 v1 机器人学
摘要
从视觉输入中进行可供性检测是自主机器人操作的基础步骤。现有的可供性检测方案依赖卷积神经网络。然而,这些网络不考虑输入数据的空间排布,且遗漏部分-整体关系。因此,在面对新颖的、先前未见的物体实例或新视角时表现不足。克服此类局限的一种方案是诉诸胶囊网络。本文中,我们引入首个基于动态树结构胶囊、面向稀疏3D点云的可供性检测网络。我们通过一个仅用于评估且已在github.com/gipfelen/DTCG-Net公开的新数据集表明,我们的胶囊网络在视角不变性与新物体实例的部件分割上优于当前最先进模型。在实验评估中我们将展示,由于我们的胶囊网络强制部分-整体表示,在面对抓取先前未见物体时,我们的算法优于当前可供性检测方法。
引用
@article{arxiv.2211.05200,
title = {Affordance detection with Dynamic-Tree Capsule Networks},
author = {Antonio Rodríguez-Sánchez and Simon Haller-Seeber and David Peer and Chris Engelhardt and Jakob Mittelberger and Matteo Saveriano},
journal= {arXiv preprint arXiv:2211.05200},
year = {2022}
}
备注
IEEE-RAS International Conference on Humanoid Robots (Humanoids 2022)