深度 SE(3) 等变几何推理用于精确放置任务
机器人学
2024-04-23 v1 计算机视觉与模式识别
机器学习
摘要
许多机器人操纵任务可以表述为几何推理任务，其中智能体必须能够将对象精确地操纵到满足任务条件的位置。通常，任务成功取决于两个对象之间的关系——例如，将杯子挂在架子上。在此类情况下，解决方案应对对象的初始位置以及智能体的位置等价于，并且对相机姿态保持不变。这对试图通过直接从高维演示中学习的学习系统构成挑战：智能体必须既等价于又精确，这在没有对问题任何归纳偏置的情况下具有挑战性。在本文中，我们提出了一种用于精确相对姿态预测的方法，该方法可证明是 SE(3) 等变的，可以仅从少量演示中学习，并且可跨越一类对象的变体进行推理。我们通过将问题分解为学习场景的 SE(3) 不变任务特定表示，然后使用新建构的几何推理层来解释该表示，这些层可证明是 SE(3) 等变的。我们展示，与使用相同数据量的先前方法相比，我们的方法在仿真放置任务中可生成显著更精确的放置预测，并且可以准确地表示来自真实世界演示的数据的相对放置关系。补充信息和视频可在 https://sites.google.com/view/reldist-iclr-2023 查看。
引用
@article{arxiv.2404.13478,
title = {Deep SE(3)-Equivariant Geometric Reasoning for Precise Placement Tasks},
author = {Ben Eisner and Yi Yang and Todor Davchev and Mel Vecerik and Jonathan Scholz and David Held},
journal= {arXiv preprint arXiv:2404.13478},
year = {2024}
}
备注
Published at International Conference on Representation Learning (ICLR 2024)