增强人机协作：面向工业环境的点云分割Sim2Real域自适应算法
机器人学
2025-06-12 v1 计算机视觉与模式识别
摘要
对三维环境的鲁棒理解对人机协作（HRC）应用至关重要，其中安全性和运行效率是首要考量。语义分割在此背景下发挥关键作用，使环境得以精确且细致的理解。考虑到有效语义分割所需真实工业标注数据的密集需求，本文提出了一种面向HRC的3D点云数据Sim2Real域自适应开创性方法。我们的重点是开发一种能够稳健地从模拟环境过渡到真实应用的网络，从而增强其实用价值并提升安全HRC的效果。在本工作中，我们提出了一种双流网络架构（FUSION），结合动态图卷积神经网络（DGCNN）和带有残差层的卷积神经网络（CNN），作为工业环境的Sim2Real域自适应算法。所提模型在真实HRC设置和模拟工业点云上进行了评估，结果显示其达到了97.76%的分割精度，并相较于现有方法展现出优越的鲁棒性。
引用
@article{arxiv.2506.09552,
title = {Enhancing Human-Robot Collaboration: A Sim2Real Domain Adaptation Algorithm for Point Cloud Segmentation in Industrial Environments},
author = {Fatemeh Mohammadi Amin and Darwin G. Caldwell and Hans Wernher van de Venn},
journal= {arXiv preprint arXiv:2506.09552},
year = {2025}
}
备注
Preprint, Journal of Intelligent & Robotic Systems