用于机器人抓取的可供性驱动下一最佳视角规划
机器人学
2023-11-06 v2
摘要
在杂乱环境中抓取被遮挡物体是复杂机器人操作任务的关键环节。本文提出一种可供性驱动的下一最佳视角规划策略（ACE-NBV），其通过从新视角持续观察场景，为目标物体寻找可行抓取。该策略的动机源于如下观察：当视角方向与抓取视角一致时，被遮挡物体的抓取可供性可被更好度量。具体而言，我们的方法利用新视角图像预测范式，预测未观测视角下的抓取可供性，并基于目标物体想象的最高抓取质量选择下一观测视角。仿真与真实机器人上的实验结果证明了所提可供性驱动下一最佳视角规划策略的有效性。项目主页：https://sszxc.net/ace-nbv/。
引用
@article{arxiv.2309.09556,
title = {Affordance-Driven Next-Best-View Planning for Robotic Grasping},
author = {Xuechao Zhang and Dong Wang and Sun Han and Weichuang Li and Bin Zhao and Zhigang Wang and Xiaoming Duan and Chongrong Fang and Xuelong Li and Jianping He},
journal= {arXiv preprint arXiv:2309.09556},
year = {2023}
}
备注
Conference on Robot Learning (CoRL) 2023