GARField：用于 Garment 操作解决视觉 Sim-to-Real 差距的网格附着辐射场
机器人学
2025-10-16 v3 图形学
摘要
虽然人类直观地对服装和其他纺织品进行快速准确的操作，但机器人面临挑战。人类性能的一个关键因素是能够先验地想象操作意图的结果，从而发展出对服装姿态的预测。这种能力使我们能够从高度受阻的状态进行规划，作为我们收集更多信息而调整计划，并迅速地对突发状况作出反应。相反，机器人难以建立这种直觉，并在计划和观察之间形成紧密的联系。我们可以部分归因于获取纺织品操作密集标注数据的高成本，包括质量和数量。数据收集是基于方法中长期存在的问题。到目前为止，主要通过高级数据捕获程序来尝试生成高质量和标注的服装操作数据，这些程序创建简化的状态估计，从真实世界的观察中。然而，本工作提出了一种新方法，通过从对象状态生成真实世界观察来解决这个问题。为实现这一点，我们提出了 GARField（Garment Attached Radiance Field），这是一种我们所知第一种可微分渲染架构，用于从存储为三角网格的模拟状态生成数据。代码可在 https://ddonatien.github.io/garfield-website/ 获取
引用
@article{arxiv.2410.05038,
title = {GARField: Addressing the visual Sim-to-Real gap in garment manipulation with mesh-attached radiance fields},
author = {Donatien Delehelle and Darwin G. Caldwell and Fei Chen},
journal= {arXiv preprint arXiv:2410.05038},
year = {2025}
}
备注
Project site: https://ddonatien.github.io/garfield-website/