GBPP：基于两阶段学习的机器人抓取感知基座位置预测
机器人学
2025-09-17 v2 人工智能
摘要
GBPP 是一种基于快速学习的评分器，可从单张 RGB-D 图像中为抓取选择机器人基座位姿。该方法采用两阶段课程学习：（1）利用简单的距离-可见性规则自动标注大规模低成本数据集；（2）利用少量高保真仿真试验细化模型以匹配真实抓取结果。采用 PointNet++ 风格的点云编码器结合 MLP 对密集候选位姿网格进行评分，实现快速在线选择而无需完整的任务与运动规划。在仿真和真实移动操作臂上，GBPP 优于仅基于距离和几何的基线方法，选择更安全且可达性更高的姿态，并在出错时优雅降级。该结果为数据高效、几何感知的基座位置选择提供了实用方案：使用廉价启发式方法实现覆盖，再通过针对性仿真进行校准。
引用
@article{arxiv.2509.11594,
title = {GBPP: Grasp-Aware Base Placement Prediction for Robots via Two-Stage Learning},
author = {Jizhuo Chen and Diwen Liu and Jiaming Wang and Harold Soh},
journal= {arXiv preprint arXiv:2509.11594},
year = {2025}
}
备注
This paper needs major revision