Graph-Transporter：一种用于目标条件可变形物体重排任务的基于图的学习方法
机器人学
2023-02-22 v1 人工智能
计算机视觉与模式识别
摘要
重排可变形物体是机器人操作中的长期挑战，源于配置空间的高维性与可变形物体的复杂动力学。我们提出一种新颖框架 Graph-Transporter，用于目标条件的可变形物体重排任务。为应对复杂配置空间与动力学的挑战，我们以图结构表示可变形物体的配置空间，并由图卷积网络编码图特征。我们的框架采用基于全卷积网络（FCN）的架构，仅从视觉输入输出像素级的拾取-放置动作。我们进行了大量实验以验证可变形物体配置的图表示的有效性。实验结果还表明，我们的框架在处理目标条件可变形物体重排任务上有效且具通用性。
引用
@article{arxiv.2302.10445,
title = {Graph-Transporter: A Graph-based Learning Method for Goal-Conditioned Deformable Object Rearranging Task},
author = {Yuhong Deng and Chongkun Xia and Xueqian Wang and Lipeng Chen},
journal= {arXiv preprint arXiv:2302.10445},
year = {2023}
}
备注
has been accepted by IEEE International Conference on Systems, Man and Cybernetics 2022