HANDAL：带位姿标注、功能可供性与重建的真实可操控物体类别数据集
机器人学
2023-08-04 v1 计算机视觉与模式识别
摘要
我们提出 HANDAL 数据集，用于类别级物体位姿估计与功能可供性预测。与以往数据集不同，我们的数据集聚焦于尺寸与形状适合机器人操纵器进行功能性抓取的机器人可用可操控物体，如钳子、餐具与螺丝刀。我们的标注流程精简，仅需一台现成相机与半自动处理，无需众包即可生成高质量 3D 标注。该数据集包含来自 2.2k 段视频的 308k 标注图像帧，涉及 17 个类别中的 212 个真实物体。我们聚焦于五金与厨房工具类物体，以促进机器人在需与环境交互(超越简单推挤或盲目抓取)的实际场景中的研究。我们概述了本数据集在 6 自由度类别级位姿+尺度估计及相关任务中的效用。我们还提供了所有物体的 3D 重建网格，并概述了为普及此类数据集采集所待解决的若干瓶颈。
引用
@article{arxiv.2308.01477,
title = {HANDAL: A Dataset of Real-World Manipulable Object Categories with Pose Annotations, Affordances, and Reconstructions},
author = {Andrew Guo and Bowen Wen and Jianhe Yuan and Jonathan Tremblay and Stephen Tyree and Jeffrey Smith and Stan Birchfield},
journal= {arXiv preprint arXiv:2308.01477},
year = {2023}
}
备注
IROS 2023. Project page: https://nvlabs.github.io/HANDAL/