面向稳健多节点钢筋绑架的混合感知与SE(3)等变扩散

钢筋绑架是钢筋混凝土 construction 中重复且关键的任务，通常由人工完成，存在显著的生理风险。近期的机器人操作进展有望自动化完成绑架过程，但在密集钢筋节点处准确估计绑架姿态方面面临挑战。本文引入一种混合感知与运动规划方法，集成几何感知与SE(3)等变去噪扩散（Diffusion-EDFs），以实现无需大量训练数据的稳健多节点钢筋绑架。我们的感知模块利用基于密度的聚类（DBSCAN）、几何特征提取和主成分分析（PCA）对钢筋条进行分割、识别节点并估计方向向量，以实现序列排序，即使在复杂、非结构化环境下也能准确工作。基于Diffusion-EDFs的运动规划器仅需5-10次演示即可训练，生成优化碰撞规避和绑架效率的序列末端执行器姿态。该系统在各种钢筋网格上验证成功，包括单层、多层和杂乱配置，显示出在节点检测和准确序列绑装方面的高成功率。与依赖大数据或 extensive 手工参数调校的传统方法相比，我们的方法实现了稳健、高效、适应性强的多节点绑装，同时显著降低了数据需求。这一结果凸显了混合感知和扩散驱动规划在现场建筑任务自动化中的潜力，提升了安全性和劳动效率。