基于动态图学习的生成式三维部件装配

自主部件装配是三维计算机视觉与机器人技术中一项具有挑战性但至关重要的任务。类似于购买宜家家具，给定一组能够组装成单一形状的三维部件，智能体需要感知三维部件几何形状，进行推理以提出输入部件的位姿估计，并最终调用机器人规划与控制程序执行动作。本文聚焦于视觉端的位姿估计子问题，涉及对输入部件几何形状的几何与关系推理。本质上，生成式三维部件装配的任务是为每个输入部件预测一个6自由度部件位姿（包括刚性旋转和平移），最终组装出单一三维形状。为解决此问题，我们提出一种面向装配的动态图学习框架，以迭代图神经网络为骨干。该框架以由粗到精的方式显式地进行序列化部件装配优化，利用一对部件关系推理模块和部件聚合模块，动态调整部件图中部件特征及其关系。我们进行了大量实验并与三种强基线方法进行定量比较，证明了所提方法的有效性。