基于稳定性与连通性的机器人操作模态无关三维重建
机器人学
2020-09-29 v1 计算机视觉与模式识别
机器学习
摘要
基于学习的三维物体重建能够实现三维物体模型的单次或少量样本估计。对于机器人学而言，这有望使基于模型的方法快速适应新物体与新场景。现有的三维重建技术优化的是视觉重建保真度，通常以倒角距离或体素交并比来衡量。我们发现，当应用于真实的、杂乱的机器人环境时，这些系统产生的重建结果物理真实感较低，导致在基于模型的控制中使用时任务性能不佳。我们提出 ARM，一种模态无关三维重建系统，其引入了（1）物体形状的稳定性先验，（2）连通性先验，以及（3）一种多通道输入表示，可用于推理物体组之间的关系。通过利用这些关于物体物理属性的先验，我们的系统不仅通过标准视觉指标提升了重建质量，还提升了在具有挑战性的杂乱环境中各类机器人操作任务的基于模型控制的性能。代码可在 github.com/wagnew3/ARM 获取。
引用
@article{arxiv.2009.13146,
title = {Amodal 3D Reconstruction for Robotic Manipulation via Stability and Connectivity},
author = {William Agnew and Christopher Xie and Aaron Walsman and Octavian Murad and Caelen Wang and Pedro Domingos and Siddhartha Srinivasa},
journal= {arXiv preprint arXiv:2009.13146},
year = {2020}
}