DUQIM-Net：用于多视角操作的概率化物体层次表示
机器人学
2022-07-20 v1
摘要
杂乱场景中的物体操作是机器人学中一个困难且重要的问题。为高效操作物体，理解其周边环境至关重要，尤其在多个物体上下堆叠、阻碍有效抓取的情况下。我们在此提出 DUQIM-Net，一种用于堆叠物体场景下物体操作的决策方法。在 DUQIM-Net 中，层次化堆叠关系由 Adj-Net 评估，该模型通过添加邻接头（adjacency head）来利用已有的 Transformer Encoder-Decoder 物体检测器。该头的输出概率性地推断场景中物体的底层层次结构。我们利用 DUQIM-Net 中邻接矩阵的性质进行决策并辅助物体抓取任务。实验结果表明，Adj-Net 在 Visual Manipulation Relationship Dataset (VMRD) 上的物体关系推断超越了 SOTA，且 DUQIM-Net 在料箱清空任务中优于可比方法。
引用
@article{arxiv.2207.09105,
title = {DUQIM-Net: Probabilistic Object Hierarchy Representation for Multi-View Manipulation},
author = {Vladimir Tchuiev and Yakov Miron and Dotan Di-Castro},
journal= {arXiv preprint arXiv:2207.09105},
year = {2022}
}
备注
8 pages, 6 figures, 3 tables. Accepted to the 2022 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS 2022)