抓取、观察与放置：基于策略结构先验的高效未知物体重排
机器人学
2025-01-07 v4 机器学习
摘要
我们专注于未知物体重排任务，其中机器人应按照由RGB-D图像指定的目标构型重新配置物体。最近的工作通过整合基于学习的感知模块来探索未知物体重排系统。然而，它们对感知误差敏感，并且较少关注任务级性能。在本文中，我们旨在开发一个在感知噪声中有效的未知物体重排系统。我们从理论上揭示了噪声感知以解耦的方式影响抓取和放置，并表明这种解耦结构对于提高任务最优性很有价值。我们提出了GSP，一个以解耦结构为先验的双环系统。对于内环，我们学习一个观察策略，用于自信地进行手中物体匹配。对于外环，我们学习一个抓取策略，该策略感知物体匹配和抓取能力，并由任务级奖励引导。我们利用基础模型CLIP进行物体匹配、策略学习和自我终止。一系列实验表明，GSP能够以更高的完成率和更少的步骤执行未知物体重排。
引用
@article{arxiv.2402.15402,
title = {Grasp, See, and Place: Efficient Unknown Object Rearrangement with Policy Structure Prior},
author = {Kechun Xu and Zhongxiang Zhou and Jun Wu and Haojian Lu and Rong Xiong and Yue Wang},
journal= {arXiv preprint arXiv:2402.15402},
year = {2025}
}
备注
Accepted by T-RO