用于复杂新颖物体密集堆叠的卷积占据模型
机器人学
2023-08-02 v1 计算机视觉与模式识别
机器学习
摘要
拣选与放置系统中的密集堆叠是许多仓储与物流应用的重要特征。该领域的先前工作主要集中于仿真中的规划算法，但真实世界的堆叠性能常受限于在高度遮挡、部分观测场景中感知3D物体几何的困难。在这项工作中，我们提出一种全卷积形状补全模型F-CON，它可轻松与现成规划方法结合用于真实世界的密集堆叠。我们还发布了一个仿真数据集COB-3D-v2，可用于训练真实世界机器人应用的形状补全模型，并用它证明F-CON优于其他最先进形状补全方法。最后，我们为真实世界拣选与放置系统配备F-CON，并展示在杂乱场景中对复杂、未见物体的密集堆叠。在多种规划方法下，F-CON实现的密集堆叠显著优于其他形状补全方法。
引用
@article{arxiv.2308.00091,
title = {Convolutional Occupancy Models for Dense Packing of Complex, Novel Objects},
author = {Nikhil Mishra and Pieter Abbeel and Xi Chen and Maximilian Sieb},
journal= {arXiv preprint arXiv:2308.00091},
year = {2023}
}
备注
In IROS 2023. Code and dataset are available at https://sites.google.com/view/fcon-packing/