DeLTa：演示与语言引导的新型透明物体操控
机器人学
2026-02-25 v2 计算机视觉与模式识别
摘要
尽管透明物体交互在日常生活中广为人知，但透明机器人操控研究仍局限于短时序任务和基础抓取能力。虽然某些方法部分解决了这些问题，但大多数方法在对新物体的泛化性方面存在局限，且不足以实现精确的长时序机器人操控。为此，我们提出了 DeLTa（Demonstration and Language-Guided Novel Transparent Object Manipulation），一种集成深度估计、6D 位姿估计和视觉语言规划的新型框架，用于由自然语言任务指令引导的精确长时序透明物体操控。我们方法的关键优势在于其单演示方法，可无需类别级先验或额外训练地将 6D 轨迹推广到新型透明物体。此外，我们提出了一个任务规划器，用于细化 VLM 生成的计划，以考虑单臂、眼在手机器人进行长时序物体操控任务的约束。通过全面评估，我们证明该方法在透明物体操控方面显著优于现有方法，尤其是在需要精确操控能力的长时序情景中。项目页面：https://sites.google.com/view/DeLTa25/
引用
@article{arxiv.2510.05662,
title = {DeLTa: Demonstration and Language-Guided Novel Transparent Object Manipulation},
author = {Taeyeop Lee and Gyuree Kang and Bowen Wen and Youngho Kim and Seunghyeok Back and In So Kweon and David Hyunchul Shim and Kuk-Jin Yoon},
journal= {arXiv preprint arXiv:2510.05662},
year = {2026}
}
备注
Project page: https://sites.google.com/view/DeLTa25/