Ditto in the House：通过交互感知构建室内场景的关节化模型
机器人学
2023-02-03 v1 人工智能
计算机视觉与模式识别
摘要
将物理世界虚拟化为虚拟模型一直是机器人在真实世界中导航与规划的关键技术。为促进日常环境中对关节化物体的操作，本工作探索通过机器人在这些场景中的有目的交互来构建室内场景的关节化模型。已有关于关节推理的工作主要聚焦于有限类别的孤立物体。为扩展至房间尺度环境，机器人必须高效且有效地探索大规模 3D 空间、定位关节化物体并推断其关节属性。我们引入一种面向该任务的交互感知方法。我们的方法名为 Ditto in the House，通过可供性预测发现可能的关节化物体，与这些物体交互以产生关节运动，并从每次交互前后的视觉观测中推断关节属性。它将可供性预测与关节推断紧密耦合以改进两项任务。我们在仿真与真实世界场景中展示了方法的有效性。代码与补充结果见 https://ut-austin-rpl.github.io/HouseDitto/
引用
@article{arxiv.2302.01295,
title = {Ditto in the House: Building Articulation Models of Indoor Scenes through Interactive Perception},
author = {Cheng-Chun Hsu and Zhenyu Jiang and Yuke Zhu},
journal= {arXiv preprint arXiv:2302.01295},
year = {2023}
}
备注
ICRA 2023. Code and additional results are available at https://ut-austin-rpl.github.io/HouseDitto/